如何在Keras中为两个后端重复未知的尺寸

Question

例如（我可以用Theano做到这一点而没有问题）：

# log_var has shape --> (num, )
# Mean has shape --> (?, num)
std_var = T.repeat(T.exp(log_var)[None, :], Mean.shape[0], axis=0)

使用TensorFlow我可以做到这一点：

std_var = tf.tile(tf.reshape(tf.exp(log_var), [1, -1]), (tf.shape(Mean)[0], 1))

但是我不知道如何为Keras做同样的事情，可能是这样的：

std_var = K.repeat(K.reshape(K.exp(log_var), [1, -1]), Mean.get_shape()[0])

要么

std_var = K.repeat_elements(K.exp(log_var), Mean.get_shape()[0], axis=0)

...，因为Mean在轴0处的尺寸未知。

我需要此用于自定义图层输出：

return K.concatenate([Mean, Std], axis=1)

Answer 1

Keras 有一个您似乎已经找到的抽象层keras.backend（您将其称为K）。该层提供了您所需的 Theano 和 TensorFlow 的所有功能。

假设您的 TensorFlow 代码可以运行，即

std_var = tf.tile(tf.reshape(tf.exp(log_var), [1, -1]), (tf.shape(Mean)[0], 1))

然后你可以将其翻译为抽象版本，如下所示：

std_var = K.tile(K.reshape(K.exp(log_var), (1, -1)), K.shape(Mean)[0])

Theano 和 TensorFlow 都支持未知轴语法（-1对于未知轴），因此这不是问题。

顺便说一句，我不确定你的 TF 代码是否正确。你重塑为(1, -1)，这意味着轴 0 的维度将为 1。我认为你更想做的是这样做：

std_var = K.tile(K.reshape(K.exp(log_var), (-1, num)), K.shape(Mean)[0])