在tf.keras中使用tensorflow函数

Question

我有一个关于TF2.0中的tf.keras和tf函数的问题。如果我有一个这样的模型：

 inputdata = keras.Input(shape=(2048, 1))
    x = layers.Conv1D(16, 3, activation='relu')(inputdata)
    x = layers.Conv1D(32, 3, activation='relu')(x)
    x = layers.Conv1D(64, 3, activation='relu')(x)

我想添加一个这样的自定义函数，它是一个1D的SubPixel层：

def SubPixel1D(I, r):
  with tf.name_scope('subpixel'):
  X = tf.transpose(I, [2,1,0]) # (r, w, b)
  X = tf.batch_to_space_nd(X, [r], [[0,0]]) # (1, r*w, b)
  X = tf.transpose(X, [2,1,0])
  return X

我可以没有问题地在keras中包含这一层吗？由于tensorflow 2.0比以前的tensorflow版本简单得多，所以我不确定这是不是把后端和会话搞混了？

inputdata = keras.Input(shape=(2048, 1))
  x = layers.Conv1D(16, 3, activation='relu')(inputdata)
  x = layers.Conv1D(32, 3, activation='relu')(x)
  x = SubPixel1D(x,2)
  x = layers.Conv1D(64, 3, activation='relu')(x)

之后，编译和拟合模型将会工作吗？如果导入了tensorflow和keras

 import tensorflow as tf
 from tensorflow import keras

类似于keras中的自定义损失函数。如果我像这样定义一个自定义损失函数：

def my_loss(y_true, y_pred):
 # compute l2 loss/ equal to Keras squared mean
    sqrt_l2_loss = tf.reduce_mean((y_pred-y_true)**2, axis=[1, 2])
    avg_sqrt_l2_loss = tf.reduce_mean(sqrt_l2_loss, axis=0)
    return avg_sqrt_l2_loss

并使用tf。操作或函数，我能像往常一样把这个函数传递给keras吗？我能在Keras loss中使用它吗？

Answer 1

只需将tf.keras.Layer子类化，您就可以运行了。这里有一个很好的参考：https://www.tensorflow.org/guide/keras/custom_layers_and_models。您的图层应该如下所示：

class SubPixel1D(tf.keras.layers.Layer):
  def __init__(self, r)
      super(SubPixel1D, self).__init__()
      self.r = r

  def call(self, inputs):
      with tf.name_scope('subpixel'):
          X = tf.transpose(inputs, [2,1,0]) # (r, w, b)
          X = tf.batch_to_space_nd(X, [self.r], [[0,0]]) # (1, r*w, b)
          X = tf.transpose(X, [2,1,0])
     return X

然后在定义模型时调用它

inputdata = keras.Input(shape=(2048, 1))
  x = layers.Conv1D(16, 3, activation='relu')(inputdata)
  x = layers.Conv1D(32, 3, activation='relu')(x)
  x = SubPixel1D(2)(x)
  x = layers.Conv1D(64, 3, activation='relu')(x)

我不知道tf.name_scope会有什么样的表现，但我看不出有什么直接的问题。