4
我试图将Keras的Siamese图层与共享的Convolution2D
图层一起使用。 我不需要输入在Siamese
图层前通过任何其他图层,但Siamese
图层需要指定输入图层。我无法弄清楚如何创建输入图层来匹配conv层的输入。我能找到的Siamese
图层的唯一具体示例是tests,其中Dense
图层(具有矢量输入)用作输入。基本上,我想要一个输入图层,允许我将图像尺寸指定为输入,以便它们可以传递到共享的conv层。Keras的Convolutional2D Siamese网络
在代码中,我有类似如下:
img_rows = 28
img_cols = 28
img_input_shape = (1, img_rows, img_cols)
shared = Sequential()
shared.add(Convolution2D(nb_filters, nb_conv, nb_conv,
border_mode='valid',
input_shape=img_input_shape))
shared.add(Activation('relu'))
# .... more layers, etc.
right_input_layer = SomeInputLayer(input_shape=img_input_shape) # what should SomeInputLayer be?
left_input_layer = SomeInputLayer(input_shape=img_input_shape)
siamese = Siamese(shared, [left_input_layer, right_input_layer], merge_mode='concat')
model = Sequential()
model.add(siamese)
# ...
model.compile(loss=contrastive_loss, optimizer='rmsprop')
我应该SomeInputLayer
是什么?或者是我的一般说法不正确?
我认为'Graph' API在处理连体网络时更直接。我已经添加了这样一个网络Keras的例子[这里](https://github.com/fchollet/keras/blob/52f48e1f462090db19b03ae11dce2991487f70c9/examples/mnist_siamese_graph.py)。 –
谢谢@MikaelRousson! Graph API似乎更适合于此。我刚刚实现了你添加到Keras中的MNIST示例(但是带有一个conv网络),我同意图形版本更好。 –
@MikaelRousson有没有一种简单的方法来用三元组来扩展你的代码?在这种情况下,在add_node部分需要2个输出(2个成对距离) – entropiece