如何从神经网络输出 3D 张量？答案

【问题标题】：How to output a 3D tensor from a neural network?如何从神经网络输出 3D 张量？
【发布时间】：2021-08-06 18:58:44
【问题描述】：

我的主要输入特征是 60x256x256 numpy 数组，用于生成 60x256x256 二进制掩码（也以 numpy 数组的形式）。二进制掩码用作标签，但我不知道如何从我的神经网络生成 3D numpy 数组或张量输出。这是我当前的代码：

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(32, kernel_size=(5, 5), strides=(1, 1),
                 activation='relu',
                 input_shape=(60, 256, 256)))
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
model.add(tf.keras.layers.Conv2D(64, (5, 5), activation='relu'))
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2)))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(1000, activation='relu'))
model.add(tf.keras.layers.Dense(256, activation='softmax'))

model.compile(
    optimizer=tf.keras.optimizers.Adam(0.001),
    loss=tf.keras.losses.CosineSimilarity(),
    metrics=[tf.keras.metrics.CosineSimilarity()],
)

model.fit(
    train,
    epochs=6,
    validation_data=ds_valid,
)

简而言之，我希望最后一层的输出与输入层匹配，以便它可以与 CosineSimilarity 损失函数一起使用。除了这种基于 CNN 的方法之外的任何建议也将非常有帮助，因为 CNN 似乎主要用于分类。

【问题讨论】：

标签： python tensorflow keras deep-learning neural-network

【解决方案1】：

在最基本的级别上，您可以使用tf.keras.layers.Reshape。见https://www.tensorflow.org/tutorials/generative/autoencoder 所以你的最后两层可能是：

model.add(tf.keras.layers.Dense(60*256*256))
model.add(tf.keras.layers.Reshape(60, 256, 256))

但是我认为您正在寻找的是自动编码器类型的网络并使用tf.keras.layers.Conv2DTranspose 层。上面的链接是对自动编码器的介绍，我认为应该是一个很好的起点。

不确定您的用例，但我认为您很可能确实想要使用基于卷积的方法，因为当您使卷积变平时，您会迫使您的网络忘记有关问题对称性的所有信息（即它是二维空间中的图片）。我认为您的问题是回归问题这一事实不会影响这一点。

【讨论】：