Keras permute_dimension导致奇怪的张量形状

Question

我正在尝试构建一个模型，遇到了一个问题。我一直在尝试调试它，但遇到了一个奇怪的问题，我认为这可能是原因，但我不确定我做错了什么。我已经将我认为的问题简化为一小段代码，您可以在colab上运行。

这是一个colab，你可以尝试运行这个：https://colab.research.google.com/drive/1pSTwCwMFGlWgJOP3gn9WF6pZq2CiP4XJ

import keras
from keras.layers import Layer, Dense, Input, Reshape
import keras.backend as K

class SimplePermute(Layer):
    def __init__(self, **kwargs):
        super(SimplePermute, self).__init__(**kwargs)

    def call(self, inputs, **kwargs):
        return K.permute_dimensions(inputs, [0,2,1])
test_i = Input(shape=(10, 256))
test = SimplePermute()(test_i)
print(test.get_shape())
print(K.int_shape(test))
test = Dense(units=100, activation="softmax", name="sft2")(test)
print(test.get_shape())
print(K.int_shape(test))

我希望第二系列的print输出的是排列后的张量形状--即?，256，10。然而，K.int_shape()返回?，10,256，而TF的get_shape()返回正确排列的形状。

我认为这种内部不匹配导致了我在模型下游看到的错误。

Answer 1

您的自定义层没有实现compute_output_shape方法。这是Keras用来确定张量的_keras_shape属性的方法，该属性由K.int_shape返回。

• 你可以使用标准的Permute((2,1))层。
• ，也可以使用Lambda(lambda x: K.permute_dimensions(x, [0,2,1]))层。
• ，或者您可以实现compute_output_shape方法：

。

def compute_output_shape(self, input_shape): 
    return (input_shape[0], input_shape[2], input_shape[1])