python-3.x - 如何选择keras密集层的前k个元素？

Question

我正在尝试执行 ak-max pooling以选择top-k具有 shape 的密集元素(None, 30)。我尝试了一个MaxPooling1D层，但它不起作用，因为 keras 池化层至少需要一个 2d 输入形状。我正在使用以下Lambda图层，但出现以下错误：

layer_1.shape
(None, 30)
layer_2 = Lambda(lambda x: tf.nn.top_k(x, k=int(int(x.shape[-1])/2),
                                                sorted=True, 
                                                name="Top_k_final"))(layer_1)

错误：文件“/usr/local/lib/python3.5/dist-packages/keras/engine/base_layer.py”，第 474 行，调用 output_shape = self.compute_output_shape(input_shape) 文件“/usr/local/lib/ python3.5/dist-packages/keras/layers/core.py”，第 652 行，在 compute_output_shape 返回 K.int_shape(x) 文件“/usr/local/lib/python3.5/dist-packages/keras/backend/ tensorflow_backend.py"，第 591 行，在 int_shape 返回元组（x.get_shape().as_list()） AttributeError：'TopKV2' 对象没有属性 'get_shape'

Answer 1

基于这个例子，我解决了这个问题。事实上，我通过添加.values从 中获取张量值来解决问题tf.nn.top_k，如下所示。但我不确定我的解决方案是否正确。

layer_2 = Lambda(lambda x: tf.nn.top_k(x, k=int(int(x.shape[-1])/2),
                                                sorted=True, 
                                                name="Top_k_final").values)(layer_1)