回答編集履歴
2
reshape() がバッチを考慮していなかったので修正
answer
CHANGED
|
@@ -89,10 +89,10 @@
|
|
|
89
89
|
Returns:
|
|
90
90
|
(None, 10, 10, 5, 1) のテンソル
|
|
91
91
|
"""
|
|
92
|
-
t1 = K.tile(K.reshape(x[0], (1, 10, 10, 1, 1)), (1, 1, 1, 5, 1))
|
|
92
|
+
t1 = K.tile(K.reshape(x[0], (-1, 10, 10, 1, 1)), (1, 1, 1, 5, 1))
|
|
93
93
|
|
|
94
94
|
t2 = K.reverse(x[1], axes=2)
|
|
95
|
-
t2 = K.tile(K.reshape(t2, (1, 10, 1, 5, 1)), (1, 1, 10, 1, 1))
|
|
95
|
+
t2 = K.tile(K.reshape(t2, (-1, 10, 1, 5, 1)), (1, 1, 10, 1, 1))
|
|
96
96
|
|
|
97
97
|
return t1 + t2
|
|
98
98
|
|
1
実現したい処理を Keras で実行する方法を追記
answer
CHANGED
|
@@ -1,7 +1,7 @@
|
|
|
1
1
|
Keras の [Lambda](https://keras.io/ja/layers/core/#lambda) 内で Keras backend API の他、tensorflow の API が利用できます。
|
|
2
2
|
|
|
3
3
|
|
|
4
|
-
```
|
|
4
|
+
```python
|
|
5
5
|
import numpy as np
|
|
6
6
|
import tensorflow as tf
|
|
7
7
|
from keras.models import Model
|
|
@@ -18,4 +18,95 @@
|
|
|
18
18
|
|
|
19
19
|
print(model.predict(x)) # [55.]
|
|
20
20
|
|
|
21
|
-
```
|
|
21
|
+
```
|
|
22
|
+
|
|
23
|
+
----
|
|
24
|
+
|
|
25
|
+
追記
|
|
26
|
+
|
|
27
|
+
### 処理したい内容
|
|
28
|
+
|
|
29
|
+
```python
|
|
30
|
+
data = np.empty((10, 10, 5, 1))
|
|
31
|
+
for i in range(10):
|
|
32
|
+
for j in range(10):
|
|
33
|
+
for k in range(5):
|
|
34
|
+
data[i, j, k] = a[i, j] + b[i, 4 - k]
|
|
35
|
+
```
|
|
36
|
+
|
|
37
|
+
### numpy の API を利用した書き方
|
|
38
|
+
|
|
39
|
+
```python
|
|
40
|
+
import numpy as np
|
|
41
|
+
|
|
42
|
+
# 入力を作成する。
|
|
43
|
+
###########################################
|
|
44
|
+
# Tensorflow では、値の型はデフォルトで float32 で扱われるのでそれに合わせる。
|
|
45
|
+
a = np.random.randn(10, 10, 1).astype(np.float32)
|
|
46
|
+
b = np.random.randn(10, 5, 1).astype(np.float32)
|
|
47
|
+
|
|
48
|
+
# for style
|
|
49
|
+
###########################################
|
|
50
|
+
A1 = np.empty((10, 10, 5, 1))
|
|
51
|
+
B1 = np.empty((10, 10, 5, 1))
|
|
52
|
+
data1 = np.empty((10, 10, 5, 1))
|
|
53
|
+
for i in range(10):
|
|
54
|
+
for j in range(10):
|
|
55
|
+
for k in range(5):
|
|
56
|
+
A1[i, j, k] = a[i, j]
|
|
57
|
+
B1[i, j, k] = b[i, 4 - k]
|
|
58
|
+
data1[i, j, k] = a[i, j] + b[i, 4 - k]
|
|
59
|
+
|
|
60
|
+
# numpy style
|
|
61
|
+
###########################################
|
|
62
|
+
A2 = np.tile(a.reshape(10, 10, 1, 1), (1, 1, 5, 1))
|
|
63
|
+
B2 = np.tile(np.flip(b, axis=1).reshape(10, 1, 5, 1), (1, 10, 1, 1))
|
|
64
|
+
data2 = A2 + B2
|
|
65
|
+
|
|
66
|
+
# for style と numpy style が一致するかどうか
|
|
67
|
+
print(np.all(np.isclose(A1, A2))) # True
|
|
68
|
+
print(np.all(np.isclose(B1, B2))) # True
|
|
69
|
+
print(np.all(np.isclose(data1, data2))) # True
|
|
70
|
+
```
|
|
71
|
+
|
|
72
|
+
`a[i, j]` は `k in range(5)` 中は同じ値になるので、`np.tile()` で axis=3 を 5 回繰り返す。
|
|
73
|
+
`b[i, 4 - k]` は、(10, 5, 1) の numpy 配列を axis=1 で反転させ、`j in range(10)` 中は同じ値になるので、`np.tile()` で axis=2 を 10 回繰り返す。
|
|
74
|
+
|
|
75
|
+
### Keras Backedn API を利用した書き方
|
|
76
|
+
|
|
77
|
+
```python
|
|
78
|
+
import tensorflow as tf
|
|
79
|
+
from keras.models import Model
|
|
80
|
+
from keras.layers import Input, Lambda
|
|
81
|
+
from keras import backend as K
|
|
82
|
+
|
|
83
|
+
# numpy の関数を Keras Backend API で置き換えた
|
|
84
|
+
# バッチの次元が1つ増えていることに注意。
|
|
85
|
+
def process(x):
|
|
86
|
+
"""Args:
|
|
87
|
+
x: [(None, 10, 10, 1) のテンソル、(None, 10, 5, 1) のテンソル]
|
|
88
|
+
|
|
89
|
+
Returns:
|
|
90
|
+
(None, 10, 10, 5, 1) のテンソル
|
|
91
|
+
"""
|
|
92
|
+
t1 = K.tile(K.reshape(x[0], (1, 10, 10, 1, 1)), (1, 1, 1, 5, 1))
|
|
93
|
+
|
|
94
|
+
t2 = K.reverse(x[1], axes=2)
|
|
95
|
+
t2 = K.tile(K.reshape(t2, (1, 10, 1, 5, 1)), (1, 1, 10, 1, 1))
|
|
96
|
+
|
|
97
|
+
return t1 + t2
|
|
98
|
+
|
|
99
|
+
# モデルを作成する。
|
|
100
|
+
input_a = Input(shape=(10, 10, 1))
|
|
101
|
+
input_b = Input(shape=(10, 5, 1))
|
|
102
|
+
outputs = Lambda(process)([input_a, input_b])
|
|
103
|
+
model = Model(inputs=[input_a, input_b], outputs=outputs)
|
|
104
|
+
|
|
105
|
+
# a, b はバッチの次元を追加する。順伝搬して結果を計算する。
|
|
106
|
+
data3 = model.predict([a[np.newaxis, ...], b[np.newaxis, ...]])
|
|
107
|
+
|
|
108
|
+
# numpy で計算した値と一致するかどうか
|
|
109
|
+
print(np.all(np.isclose(data1, data3))) # True
|
|
110
|
+
```
|
|
111
|
+
|
|
112
|
+
numpy の API でできることは Keras Backend API または Tensorflow の API でできるかと思います。
|