我想通过以下方式向Conv2D操作的输出添加标量值：
num_filters = 16
num_targets = 10
input_conv = layers.Conv2D(num_filters, (3, 3), activation='relu', padding='same')(input_img)
target_conv = layers.Conv1D(num_filters, num_targets, use_bias=False, activation='linear')(label)
# TODO: add output target_conv to input_conv along each of the filter dimensions
# this is like adding a scalar value for each of the filter dimensions
的input_conv输出是形状(None, 28, 28, 16)和target_conv是形状的(None, 1, 16)，其中28×28对应于图像尺寸和16是过滤器的数量。对于每个过滤器（每16个维度），我想添加相应的target_conv值作为标量。因此，想象一下我们只是在看第一个过滤器的输出，用于input_conv和target_conv，从而为我们提供了形状（None，28，28，1）和（None，1，1）。我想将的输出添加target_conv到input_conv第一个过滤器仍将输出（None，28，28，1）的输出，然后将针对每个过滤器尺寸输出（None，28，28，16）发生这种情况。
但是，我不确定该如何实施？
您要做的只是向target_conv输出添加一维，以使其具有4D格式。这使您可以在两个输出之间进行简单的求和
num_filters = 16
input_img = Input((28,28,1))
label = Input((10,1))
input_conv = Conv2D(num_filters, (3, 3),
activation='relu', padding='same')(input_img) # (None,28,28,num_filters)
target_conv = Conv1D(num_filters, 10,
use_bias=False, activation='linear')(label) # (None,1,num_filters)
target_conv = Reshape((1,1,num_filters))(target_conv) # (None,1,1,num_filters)
sum_filter = Add()([input_conv,target_conv]) # (None,28,28,num_filters)
m = Model([input_img,label], sum_filter)
m.summary()
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句