如何解决在keras中添加lambda层时遇到的shape不匹配问题？

本文共计313个文字，预计阅读时间需要2分钟。

使用keras时，添加keras的Lambda层以实现自定义操作。然而，操作结果的shape信息出现疑问。后端为theano，使用了sum操作。例如，输入时shape为(32, 28, 28)，其中32为batch大小。

使用keras时，加入keras的lambda层以实现自己定义的操作。但是，发现操作结果的shape信息有问题。

我的后端是theano，使用了sum操作。

比如输入时，shape为（32，28，28），其中32为batch大小。

此时对应的ndim应该等于3。

但是，lambda处理后结果显示_keras_shape为（32，28，28），而ndim却是2。

这导致后边各项操作都会出现问题。

此处sum函数加入参数keepdims=True即可。

此注意keras中的各种层几乎都不用去理会batch的大小，系统会自动在shape中加入None占位，所以很多参数也不用加入batch的大小。但是进行sum等操作时，选择按照哪个axis进行操作，要考虑batch的存在。

补充知识：keras Merge or merge

在使用keras merge层时，发现有Merge 、merge两种：

from keras.layers import Merge

from keras.layers import merge

使用第一种是报错

“TensorVariable object has no attribute 'get_output_shape_at' ”

使用第二种小写即可。

以上这篇解决keras加入lambda层时shape的问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。