我正在使用带有 plaidML 后端的 keras，并且需要实现反射填充。使用一个简单的tf.pad
的 tensorflow 后端，并设置为 REFLECT。 mode
如何使用 K.functions 或 plaidml tile 函数实现该功能？
或者在我可以使用的地方有一个实现吗？
使用 K. 函数，简单地将值切片、反转和连接在一起可能是可能的，但我所有的尝试都朝那个方向发展，结果一团糟，并没有真正奏效。
反射填充作为纯 keras 版本
数据挖掘
喀拉斯
2022-02-12 22:39:06
1个回答
这是一个将反射填充作为纯 K 函数的版本，它应该（但未经测试）适用于每个后端：
def reflection_padding(inp, paddings):
paddings = [(x, x) if isinstance(x, int) else x for x in paddings]
ishape = inp.shape.dims
ndims = inp.shape.ndims
if len(ishape) != len(paddings):
raise ValueError("Padding dims != input dims")
last = inp
_all_slice = slice(None, None, None)
def _get_slices(ndims, axis, slice_):
ret = [_all_slice for _ in range(ndims)]
ret[axis] = slice_
return tuple(ret)
for axis, pads in ((i, x) for i, x in enumerate(paddings) if x[0]+x[1] != 0):
pad_data = []
if pads[0]:
pre = last[_get_slices(ndims, axis, slice(pads[0], 0, -1))]
pad_data.append(pre)
pad_data.append(last)
if pads[1]:
post = last[_get_slices(ndims, axis, slice(-2, -pads[1]-2, -1))]
pad_data.append(post)
last = K.concatenate(pad_data, axis)
ishape = last.shape.dims
return last
# USAGE: reflection_padding(image_batch, [0, [2,2], [2,2], 0])
我将接受我自己的答案。如果有人有更好的答案，我很乐意将其转换为他们的