keras 获取某层的输入/输出 tensor 尺寸操作

这篇文章主要介绍了keras 获取某层的输入/输出 tensor 尺寸操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

获取单输入尺寸，该层只被使用了一次。

 import keras from keras.layers import Input, LSTM, Dense, Conv2D from keras.models import Model a = Input(shape=(32, 32, 3)) b = Input(shape=(64, 64, 3)) conv = Conv2D(16, (3, 3), padding='same') conved_a = conv(a) # 到目前为止只有一个输入，以下可行： assert conv.input_shape == (None, 32, 32, 3)

如果该层被使用了两次

 import keras from keras.layers import Input, LSTM, Dense, Conv2D from keras.models import Model a = Input(shape=(32, 32, 3)) b = Input(shape=(64, 64, 3)) conv = Conv2D(16, (3, 3), padding='same') conved_a = conv(a) # 到目前为止只有一个输入，以下可行： assert conv.input_shape == (None, 32, 32, 3) conved_b = conv(b) # 现在 `.input_shape` 属性不可行，但是这样可以： assert conv.get_input_shape_at(0) == (None, 32, 32, 3) assert conv.get_input_shape_at(1) == (None, 64, 64, 3)

如果是输出，只需要改成output就好：

 import keras from keras.layers import Input, LSTM, Dense, Conv2D from keras.models import Model a = Input(shape=(32, 32, 3)) b = Input(shape=(64, 64, 3)) conv = Conv2D(16, (3, 3), padding='same') conved_a = conv(a) # 到目前为止只有一个输入，以下可行： assert conv.input_shape == (None, 32, 32, 3) conved_b = conv(b) # 就改了output，当然尺寸我也改了 assert conv.get_output_shape_at(0) == (None, 32, 32, 16) assert conv.get_output_shape_at(1) == (None, 64, 64, 16)

补充知识：keras中获取shape的正确方法

在keras的网络中，如果用layer_name.shape的方式获取shape信息将会返还tensorflow.python.framework.tensor_shape.TensorShape其中包含的是tensorflow.python.framework.tensor_shape.Dimension

正确的方式是使用