2

我试图在 Keras 中创建自定义增强层。这个想法是为了进行更快的扩充（而不是运行相同的函数 BATCH_SIZE 次，而是在整个批次中运行一次）。

我陷入了这个功能：

__call__(inputs, training=False, **kwargs)

在训练时，函数获取形状的输入，(None, 128, 128, 3)其中最后 3 个数字表示图像的形状。对于我的不理解，第一个None应该是批量大小，它不是确定性的（出于某种未知原因）。

我的问题就在这里。在我的函数中，我使用np.random.ranf(inputs.shape)不满意None作为形状指示器并引发错误：

TypeError: 'NoneType' object cannot be interpreted as an integer

另一方面，我不知道如何获得计算的批量大小。自定义增强层的代码如下。任何帮助，将不胜感激！

class RandomHSV(Layer):
    """Adding Random Noise to HSV image. output is RGB
  Input shape:
    Arbitrary.
  Output shape:
    Same as input.
  Arguments:
    hsv_max_amp: list or tuple of the maximum amplitudes of the noise in range of [0, 1]
    name: A string, the name of the layer.
  """

    def __init__(self, hsv_max_amp=(0, 0, 0), name=None, **kwargs):
        super(RandomHSV, self).__init__(name=name, **kwargs)
        self.hsv_max_amp = np.array(list(hsv_max_amp), dtype='float32')

    def build(self, input_shape):
        self.batch_size = input_shape[0]
        super(RandomHSV, self).build(input_shape)  # Be sure to call this at the end

    def call(self, inputs, training=True, **kwargs):
        def hsv_noise():
            hsv = tf.image.rgb_to_hsv(inputs)
            # the random noise is a random matrix in shape (batch_size, img_w, img_h, depth)
            # after creating the random matrix, multiply it (element wise) by the self.hsv_max_amp.
            # that gets multiplied by random enabler (np.random.randint(0, 2, 3) -> 3 items, 0 or 1)
            # then removing an offset.
            random_noise = (np.random.ranf(inputs.shape) * (
                    np.random.random(1) * self.hsv_max_amp * np.random.randint(0, 2, 3)) - self.hsv_max_amp / 2) * 2
            # those lines will cut any number which goes above 1 or goes below 0 (round it to 1 or 0 respectively).
            hsv = tf.minimum(1., tf.maximum(0., hsv + random_noise))
            batch = tf.image.hsv_to_rgb(hsv)
            batch.set_shape(inputs.shape)
            return batch

        # applying hsv_noise if Training. if Testing then just passing batch forward unchanged
        return control_flow_util.smart_cond(pred=training, true_fn=hsv_noise, false_fn=lambda: inputs)

编辑：我知道我可以在 Input() 层中指定批量大小，它确实解决了问题，但是有没有办法在不指定输入层中的形状的情况下做到这一点？所以它可能更通用。

4

0 回答 0