如何在不制作模型的情况下使用 Keras 图层

Question

我想在不制作模型的情况下使用 Keras 层 pooling layers。每次看到Keras相关的例子，都是以模型的形式出现，如下：

model = Sequential()
model.add(Conv2D(2, kernel_size=(3, 3),activation='relu',
                 input_shape=input_shape))
model.add(MaxPooling2D(pool_size=(2, 2)))
....

model.compile(loss=keras.losses.binary_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])
model.fit(x_train, y_train,batch_size=batch_size,epochs=epochs,verbose=1,)

这样，我们首先定义 input，然后建模，然后 compile，最后 fit。但是假设我必须执行 maxpooling 操作并且我只有 1 张 56*64 大小的灰度图像，即以 4d 张量形式输入 (1,56,64,1)。那么如何使用 Keras MaxPooling2D 层执行 maxpooling 操作。

Answer 1

你可以只用 MaxPooling2D 做一个模型然后做 predict（没有 fit）：

model = Sequential()
model.add(MaxPooling2D(pool_size=(2, 2), input_shape=input_shape))
model.compile('adadelta')

pooled = model.predict(image)

compile完全没有影响。

完整代码

来自@Hitesh 评论的示例：

from keras.models import Sequential
from keras.layers import MaxPooling2D
import numpy as np

image=np.random.rand(1, 56, 64, 1)
input_shape=(56,64,1)

model = Sequential()
model.add(MaxPooling2D(pool_size=(2, 2), input_shape=input_shape))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

pooled = model.predict(image)

Answer 2

您可以使用函数 API 来实现：只需定义 input，然后执行如下操作：

maxpooled = MaxPooling2D(...)(input)
maxpooled.eval(feed_dict={input: input_image}, session=...)

顺便说一句，为此使用 Keras 有点矫枉过正，因为它是用于构建 models 的工具包。您可以在没有 keras 的情况下使用 tensorflow 或任何其他深度学习框架轻松地做到这一点。

如何在不制作模型的情况下使用 Keras 图层

How to use Keras layers without making model

python

keras

tensorflow

keras-layer

keras-2

完整代码