带有 CNTK 后端的 Keras：编写自定义层

Question

我正在尝试在 Keras 中编写一个自定义层，以复制论文中提出的特定架构。该层没有可训练的权重。我相信这可能是相关的，因为没有必要扩展类 Layer。

我正在使用 CNTK 后端，但我试图使代码尽可能与后端无关，因此我依赖于 keras.backend 中定义的接口，而不是直接使用 CNTK。

现在我只是想让一个小例子起作用。示例如下：

import numpy as np

from scipy.misc import imread
from keras import backend as K

im = imread('test.bmp')

#I'm extending a grayscale image to behave as a color image
ex_im = np.empty([im.shape[0],im.shape[1],3])

ex_im[:,:,0] = im
ex_im[:,:,1] = im
ex_im[:,:,2] = im

conv_filter = K.ones([3,3,ex_im.shape[2],ex_im.shape[2]])
x = K.conv2d(ex_im,conv_filter,padding='same')

但是，此代码会导致以下错误：

RuntimeError: 卷积当前要求主操作数有 动态轴

CNTK 要求卷积的输入具有动态轴，否则它将输入的第一个维度解释为批量大小。所以我尝试使用占位符使坐标轴动态化（我能找到的唯一方法）：

import numpy as np

from scipy.misc import imread
from keras import backend as K

im = imread('test.bmp')

ex_im = np.empty([1,im.shape[0],im.shape[1],3])

ex_im[0,:,:,0] = im
ex_im[0,:,:,1] = im
ex_im[0,:,:,2] = im

place = K.placeholder(shape=((None,) + ex_im.shape[1:]))

conv_filter = K.ones([3,3,ex_im.shape[3],ex_im.shape[3]])
x = K.conv2d(place,conv_filter,padding='same')

图像现在是一个图像数组，基本上是批量大小为 1。

这可以正常工作。但是，我不知道如何将输入提供给占位符以测试我的代码。 eval() 不接受任何参数，并且似乎没有办法将输入作为参数传递给评估。

有没有办法在没有占位符的情况下做到这一点？或者一种将输入提供给占位符的方法？我是否在做一些根本错误的事情，应该走另一条路？

我应该补充一点，我真的很想避免被锁定在后端，所以任何解决方案都应该与后端无关。

Answer 1

对于使用自定义层，您无需定义张量，让 Keras 为您完成。只需创建层，将赋予层的内容已经是适当的张量：

images = np.ones((1,50,50,3))

def myFunc(x):
    conv_filter = K.ones([3,3,3,3])
    return K.conv2d(x,conv_filter,padding='same')

inp = Input((50,50,3))
out = Lambda(myFunc, output_shape=(50,50,3))(inp)

model = Model(inp,out)
print(model.predict(images))