Редактировать : Возможно, я неправильно понял ваш вопрос. Если вы намереваетесь иметь 136 выходных узлов, которые можно упорядочить в матрицу 68x2 (, а не иметь изображение 68x68x2 на выходе, как я сначала сказал ), то вы можете использовать Reshape
слой после вашего окончательного плотного слоя с 136 единицами:
import keras
from keras.models import Sequential
from keras.layers import Conv2D, Flatten, Dense, Reshape
model = Sequential()
model.add(Conv2D(32, 3, input_shape=(320, 320, 3)))
model.add(Flatten())
model.add(Dense(136))
model.add(Reshape((68, 2)))
model.summary()
Это даст вам следующую модель с желаемой формой на выходе:
Layer (type) Output Shape Param #
=================================================================
conv2d_2 (Conv2D) (None, 318, 318, 32) 896
_________________________________________________________________
flatten_2 (Flatten) (None, 3235968) 0
_________________________________________________________________
dense_2 (Dense) (None, 136) 440091784
_________________________________________________________________
reshape_1 (Reshape) (None, 68, 2) 0
=================================================================
Total params: 440,092,680
Trainable params: 440,092,680
Non-trainable params: 0
Обязательно проведите обучение этикетки в той же форме при подгонке модели.
(первоначальный ответ, возможно, все еще актуален)
Да, это обычно делается в моделях семантической сегментации, где входные данные являются изображениями, а выходные - тензоры одинаковой высоты и ширины изображения, а также с количеством каналов, равным количеству классов на выходе. Если вы хотите сделать это в TensorFlow или Keras, вы можете посмотреть существующих реализаций , например, архитектуры U-Net.
Основная особенность этих моделей заключается в том, что эти сети являются полностью сверточными: они состоят только из сверточных слоев. Как правило, карты feaure в этих моделях сначала переходят от «широких и неглубоких» (карты больших объектов в пространственных измерениях с небольшим количеством каналов) к «маленьким и глубоким» (небольшие пространственные измерения, измерение больших размеров каналов) и обратно к желаемый выходной размер. Отсюда U-образная форма:
Есть много способов перейти от 320x320x3 до 68x2 с полностью сверточной сетью, но ввод и вывод вашей модели в основном будет выглядеть так:
import keras
from keras import Sequential
from keras.layers import Conv2D
model = Sequential()
model.add(Conv2D(32, 3, activation='relu', input_shape=(320,320,3)))
# Include more convolutional layers, pooling layers, upsampling layers etc
...
# At the end of the model, add your final Conv2dD layer with 2 filters
# and the required activation function
model.add(Conv2D(2, 3, activation='softmax'))
Я имею в наличии этот дополнительный метод для этого:
public static void Each<T>(this IEnumerable<T> ie, Action<T, int> action)
{
var i = 0;
foreach (var e in ie) action(e, i++);
}
И использование это как так:
var strings = new List<string>();
strings.Each((str, n) =>
{
// hooray
});
Или допускать break
- как поведение:
public static bool Each<T>(this IEnumerable<T> ie, Func<T, int, bool> action)
{
int i = 0;
foreach (T e in ie) if (!action(e, i++)) return false;
return true;
}
var strings = new List<string>() { "a", "b", "c" };
bool iteratedAll = strings.Each ((str, n)) =>
{
if (str == "b") return false;
return true;
});
Можно сделать следующий
foreach (var it in someCollection.Select((x, i) => new { Value = x, Index = i }) )
{
if (it.Index > SomeNumber) //
}
, Это создаст анонимную стоимость типа для каждой записи в наборе. Это будет иметь два свойства
Value
: с исходным значением в наборе Index
: с индексом в наборе C# foreach не имеет созданного в индексе. Необходимо будет добавить целое число вне цикла foreach и увеличить его каждый раз.
int i = -1;
foreach (Widget w in widgets)
{
i++;
// do something
}
, С другой стороны, Вы могли использовать стандарт для цикла следующим образом:
for (int i = 0; i < widgets.Length; i++)
{
w = widgets[i];
// do something
}
Кроме LINQ уже отвечает данный, я имею класс "SmartEnumerable" , который позволяет Вам получать индекс и "первое/последнее" - мыс. Это немного ужасно с точки зрения синтаксиса, но можно найти это полезным.
Мы можем, вероятно, улучшить вывод типа с помощью статического метода в неуниверсальном типе, и неявная типизация поможет также.
Мое решение включает простой Парный класс, который я создал для общей утилиты, и который является оперативно по существу тем же как классом платформы KeyValuePair. Затем я создал пару дополнительных функций для IEnumerable под названием Ордината (от термина теории множеств" порядковый ").
Эти функции возвратят для каждого объекта Парный объект, содержащий индекс и сам объект.
public static IEnumerable<Pair<Int32, X>> Ordinate<X>(this IEnumerable<X> lhs)
{
return lhs.Ordinate(0);
}
public static IEnumerable<Pair<Int32, X>> Ordinate<X>(this IEnumerable<X> lhs, Int32 initial)
{
Int32 index = initial - 1;
return lhs.Select(x => new Pair<Int32, X>(++index, x));
}
Нет, нет.
, Поскольку другие люди показали, существуют способы моделировать поведение Ruby. Но возможно иметь тип, который реализует IEnumerable, который не выставляет индекс.
Это зависит от класса, который Вы используете.
Dictionary< (< (TKey, TValue>)>) Класс, Например, Поддержка Это
Dictionary< (< (TKey, TValue>)>), универсальный класс обеспечивает отображение от ряда ключей ко множеству значений.
В целях перечисления, каждый объект в словаре рассматривают как KeyValuePair< (< (TKey, TValue>)>) структура, представляющая значение и его ключ. Порядок, в котором возвращаются объекты, не определен.
foreach (KeyValuePair kvp в myDictionary) {...}