keras concatenate()函式和tensorflow concat()函式
阿新 • • 發佈:2018-11-08
最近看影象語義分割的相關論文,裡面需要用到層間的合併,例子大多是用keras給出的,以前沒接觸過層合併的函式,特意去查了下tf和keras分別用什麼函式實現的。keras.backend.concatenate 與 tf.concat等價。keras的concatenate直接用的網上的例子,tf是我自己寫的,與keras例子裡的資料保持一致。
import numpy as np
import cv2
import keras.backend as K
import tensorflow as tf
a = K.variable(np.array([[1 , 2, 3]]) )
b = K.variable(np.array([[3 , 2, 1]]))
c1 = K.concatenate([a , b] , axis=0)
c2 = K.concatenate([a , b] , axis=-1)
init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
print(sess.run(c1))
print(sess.run(c2))
對應的tf版本
import numpy as np
import tensorflow as tf
a=tf.constant(np.array([[1 , 2, 3]]))
b=tf.constant(np.array([[3,2,2]]))
c1=tf.concat([a,b],axis=0)
c2=tf.concat([a,b],axis=1)
sess=tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(c1)
Out[10]:
array([[1, 2, 3],
[3, 2, 2]])
sess.run(c2)
Out[11]: array([[1, 2, 3, 3, 2, 2] ])
改成實際執行中帶通道的格式
a=tf.constant(np.array([[[1] , [2], [3]]]))
b=tf.constant(np.array([[[3], [2], [2]]]))
c3=tf.concat([a,b],axis=0)
c4=tf.concat([a,b],axis=-1)
sess.run(c3)
Out[20]:
array([[[1],
[2],
[3]],
[[3],
[2],
[2]]])
sess.run(c4)
Out[21]:
array([[[1, 3],
[2, 2],
[3, 2]]])
這樣就很容易理解了