tensorflow - 在 keras 中连接和添加有什么区别？

Question

我想在 keras 中为完全卷积网络的内层添加跳过连接，有一个 keras.layers.Add 选项，还有一个 keras.layers.concatenate 选项。

有什么区别？我应该使用哪一种？

Answer 1

What is the difference?

添加层添加两个输入张量，而 concatenate 附加两个张量。你可以引用这个 documentation 了解更多信息。

例子:

import keras
import tensorflow as tf
import keras.backend as K

a = tf.constant([1,2,3])
b = tf.constant([4,5,6])

add = keras.layers.Add()
print(K.eval(add([a,b])))
#output: [5 7 9]

concat = keras.layers.Concatenate()
print(K.eval(concat([a,b])))
#output: array([1, 2, 3, 4, 5, 6], dtype=int32)

which one I should use?

您可以使用 Add 跳过连接。