我正在使用CNN开发分类模型,现在我想在我的问题中应用分类算法(Bilinear CNN Models for Fine-grained Visual Recognition Tsung-Yu Lin Aruni RoyChowdhury Subhransu Maji University of Massachusetts, Amherst)。矩阵产品到keras中的两个模型的输出
具体来说,现在我想做两个CNN模型的输出矩阵的外积,并且我已经完成了矩阵的转置,现在我只想把两个矩阵相乘keras,其大小是,512,49)和(无,49,512)。
我尝试使用合并层keras,但有些错误出现了:
当我使用点模式,
ValueError: Dimension incompatibility using dot mode: 49 != 512. Layer shapes: (None, 512, 49), (None, 49, 512)
当我使用乘模式,
ValueError: Only layers of same output shape can be merged using mul mode. Layer shapes: [(None, 512, 49), (None, 49, 512)]
我不知道如何解决它,请帮助 我!这里是我的问题的一些代码:
所有的t_model = applications.VGG16(weights='imagenet', include_top=False,
input_shape=(224, 224, 3))
model_a = Sequential()
model_a.add(t_model)
def trans_1(conv):
conv = tf.reshape(conv, [-1, 49, 512])
return conv
model_a.add(Lambda(trans_1, output_shape=[49, 512]))
s_model = applications.VGG16(weights='imagenet', include_top=False,
input_shape=(224, 224, 3))
model_b = Sequential()
model_b.add(s_model)
def trans_2(conv):
conv = tf.reshape(conv, [-1, 49, 512])
conv = tf.transpose(conv, perm = [0, 2, 1])
return conv
model_b.add(Lambda(trans_2, output_shape=[512, 49]))
f_model = Sequential()
f_model.add(Merge([model_b, model_a], mode='dot'))
真的很有帮助,非常感谢你! –