python - 将单位矩阵连接到每个向量

Question

我想通过向输入向量添加几个不同的后缀来修改我的输入。例如，如果(单个)输入是 [1, 5, 9, 3] 我想创建三个向量(存储为矩阵)，如下所示:

[[1, 5, 9, 3, 1, 0, 0],
 [1, 5, 9, 3, 0, 1, 0],
 [1, 5, 9, 3, 0, 0, 1]]

当然，这只是一个观察结果，因此在本例中模型的输入为 (None, 4)。简单的方法是在其他地方(最有可能是 numpy)准备输入数据并相应地调整输入的形状。我可以做到，但我更喜欢在 TensorFlow/Keras 中进行。

我已将问题隔离到以下代码中:

import keras.backend as K
from keras import Input, Model
from keras.layers import Lambda


def build_model(dim_input: int, dim_eye: int):
    input = Input((dim_input,))
    concat = Lambda(lambda x: concat_eye(x, dim_input, dim_eye))(input)
    return Model(inputs=[input], outputs=[concat])


def concat_eye(x, dim_input, dim_eye):
    x = K.reshape(x, (-1, 1, dim_input))
    x = K.repeat_elements(x, dim_eye, axis=1)
    eye = K.expand_dims(K.eye(dim_eye), axis=0)
    eye = K.tile(eye, (-1, 1, 1))
    out = K.concatenate([x, eye], axis=2)
    return out


def main():
    import numpy as np

    n = 100
    dim_input = 20
    dim_eye = 3

    model = build_model(dim_input, dim_eye)
    model.compile(optimizer='sgd', loss='mean_squared_error')

    x_train = np.zeros((n, dim_input))
    y_train = np.zeros((n, dim_eye, dim_eye + dim_input))
    model.fit(x_train, y_train)


if __name__ == '__main__':
    main()

问题似乎出在 tile 函数的 shape 参数中的 -1 中。我尝试将其替换为 1 和 None。每个都有自己的错误:

• -1:model.fit期间出错

  tensorflow.python.framework.errors_impl.InvalidArgumentError: Expected multiples[0] >= 0, but got -1
  

• 1:model.fit时出错

  tensorflow.python.framework.errors_impl.InvalidArgumentError: ConcatOp : Dimensions of inputs should match: shape[0] = [32,3,20] vs. shape[1] = [1,3,3]
  

• 无:build_model期间出错:

  Failed to convert object of type <class 'tuple'> to Tensor. Contents: (None, 1, 1). Consider casting elements to a supported type.
  

Answer 1

您需要使用K.shape()而是获取输入张量的符号形状。这是因为批量大小为 None，因此传递 K.int_shape(x)[0] 或 None 或 -1 code> 作为 K.tile() 第二个参数的一部分将不起作用:

eye = K.tile(eye, (K.shape(x)[0], 1, 1))