Keras 置换层与重塑层

【问题标题】：Keras Permute Layer vs Reshape LayerKeras 置换层与重塑层
【发布时间】：2020-06-08 20:48:32
【问题描述】：

下面的model1和model2都有输出形状（None, 64, 10）。 model1 和 model2 的行为是否完全相同？如果不是，他们的行为有何不同？如果是，当 Reshape 层可以完成 Permute 层所做的所有事情时，为什么我们还需要 Permute 层？

model1 = Sequential()
model1.add(Permute((2, 1), input_shape=(10, 64)))

model2 = Sequential()
model2.add(Reshape((64, 10), input_shape=(10, 64)))

model2.add(重塑((64, 10), input_shape=(10, 64)))

【问题讨论】：

标签： tensorflow keras keras-layer

【解决方案1】：

你可以自己测试一下……

model1 = Sequential()
model1.add(Permute((2, 1), input_shape=(10, 64)))

model2 = Sequential()
model2.add(Reshape((64, 10), input_shape=(10, 64)))

X = np.random.uniform(0,1, (3,10,64))
tf.reduce_all(model1(X) == model2(X)) # ===> False

Permute 与 Reshape 不同。 Permute 只是简单地更改轴上的元素，而 Reshape 就像在展平元素后重新排序元素

model3 = Sequential()
model3.add(Flatten(input_shape=(10, 64)))
model3.add(Reshape((64, 10)))

tf.reduce_all(model2(X) == model3(X)) # ===> True

【讨论】：