Keras中layers.add()與layers.concatenate()的差別

文章目錄

• 一. tf.keras.layers.add()
• 二. tf.keras.layers.concatenate（）

一. tf.keras.layers.add()

隻進行相應元素的相加，H,W,C都不改變

例子：

from keras.models import Model
from keras.layers import Dense,add,Input
from keras.layers.merge import concatenate
from keras.utils.vis_utils import plot_model

input1 = Input(shape=(16,))
x1 = Dense(8, activation='relu')(input1)
input2 = Input(shape=(32,))
x2 = Dense(8, activation='relu')(input2)
added = add([x1, x2])
 
out = Dense(4)(added)
model = Model(inputs=[input1, input2], outputs=out)

 
# write model image
plot_model(model, show_shapes=True, show_layer_names=False)
           

我們可以看到Add層的output，與input的次元相同，是以隻進行了數值的相加。

二. tf.keras.layers.concatenate（）

拼接，H 、 W 不改變 ， 但是通道數增加

在TensorFlow函數中，axis輸入參數的取值範圍是[-rank(input_tensor), rank(input_tensor))

import numpy as np
import tensorflow as tf

t1 = tf.Variable(np.array([[[1, 2], [2, 3]], [[4, 4], [5, 3]]]))
t2 = tf.Variable(np.array([[[7, 4], [8, 4]], [[2, 10], [15, 11]]]))

d0 = tf.keras.layers.concatenate([t1, t2], axis=0)
d1 = tf.keras.layers.concatenate([t1, t2], axis=1)
d2 = tf.keras.layers.concatenate([t1, t2], axis=2)
d3 = tf.keras.layers.concatenate([t1, t2], axis=-1)

print(d0)
print(d1)
print(d2)
print(d3)
           

輸出：

由該例子可以看出，axis=

tf.Tensor(
[[[ 1  2]
  [ 2  3]]

 [[ 4  4]
  [ 5  3]]

 [[ 7  4]
  [ 8  4]]

 [[ 2 10]
  [15 11]]], shape=(4, 2, 2), dtype=int32)
tf.Tensor(
[[[ 1  2]
  [ 2  3]
  [ 7  4]
  [ 8  4]]

 [[ 4  4]
  [ 5  3]
  [ 2 10]
  [15 11]]], shape=(2, 4, 2), dtype=int32)
tf.Tensor(
[[[ 1  2  7  4]
  [ 2  3  8  4]]

 [[ 4  4  2 10]
  [ 5  3 15 11]]], shape=(2, 2, 4), dtype=int32)
tf.Tensor(
[[[ 1  2  7  4]
  [ 2  3  8  4]]

 [[ 4  4  2 10]
  [ 5  3 15 11]]], shape=(2, 2, 4), dtype=int32)

Process finished with exit code 0