Блог

Я следую руководству по сиамской сети, чтобы построить модель распознавания лиц с помощью tensorflow

 def build_net(img_shape):
    """
    :type img_shape: tuple. Shape of input image. Here is(1,height, width). 1 because pgm file only has one channel.
    :rtype:tensorflow Sequential
    """
    model = tf.keras.Sequential()
    # convolution layer 1
    model.add(tf.keras.layers.Conv2D(filters = 16, kernel_size = 3, strides = 1, activation = "relu", input_shape = img_shape, data_format = "channels_first"))
    model.add(tf.keras.layers.MaxPool2D(pool_size = 2))
    model.add(tf.keras.layers.Dropout(0.1))
    # convolution layer 2
    model.add(tf.keras.layers.Conv2D(filters = 32, kernel_size = 3, strides = 1))
    model.add(tf.keras.layers.MaxPool2D(pool_size = 2))
    model.add(tf.keras.layers.Dropout(0.1))

    model.add(tf.keras.layers.Flatten())
    model.add(tf.keras.layers.Dense(1024))
    model.add(tf.keras.layers.Dropout(0.25))
    model.add(tf.keras.layers.Dense(512, activation='relu'))
    # deep face mentioned that there are 67 points to detect on a human face, so use 70 features.
    model.add(tf.keras.layers.Dense(70, activation='relu'))
    print(model.summary())
    return model
  

И определите dist для подсчета расстояния между двумя выходными векторами.

 im1_features = build_net(input_dim)
im2_features = build_net(input_dim)
dist = tf.keras.layers.Lambda(lambda tensors: tf.keras.backend.abs[tensors[0] - tensors[1]])([im1_features, im2_features])
  

Произошла ошибка в dist

   File "e:SchoolAIASprojbuild_model.py", line 102, in <lambda>
    dist = tf.keras.layers.Lambda(lambda tensors: tf.keras.backend.abs[tensors[0] - tensors[1]])([im1_features, im2_features])
TypeError: unsupported operand type(s) for -: 'Sequential' and 'Sequential'
  

Как я могу заставить функцию build_net возвращать векторы, а не последовательный объект?

Обновить

Я изменил код на:

 def build_net(img_shape):
    """
    :type img_shape: tuple. Shape of input image. Here is(1,height, width). 1 because pgm file only has one channel.
    :rtype:tensorflow Sequential
    """
    model = tf.keras.Sequential()
    # convolution layer 1
    model.add(tf.keras.layers.Conv2D(filters = 16, kernel_size = 3, strides = 1, activation = "relu", input_shape = img_shape, data_format = "channels_first"))
    model.add(tf.keras.layers.MaxPool2D(pool_size = 2))
    model.add(tf.keras.layers.Dropout(0.1))
    # convolution layer 2
    model.add(tf.keras.layers.Conv2D(filters = 32, kernel_size = 3, strides = 1))
    model.add(tf.keras.layers.MaxPool2D(pool_size = 2))
    model.add(tf.keras.layers.Dropout(0.1))

    model.add(tf.keras.layers.Flatten())
    model.add(tf.keras.layers.Dense(1024))
    model.add(tf.keras.layers.Dropout(0.25))
    model.add(tf.keras.layers.Dense(512, activation='relu'))
    # deep face mentioned that there are 67 points to detect on a human face, so use 70 features.
    model.add(tf.keras.layers.Dense(70, activation='relu'))
    img = tf.keras.Input(shape = img_shape)
    res = model(img)
    return res
  

теперь он возвращает этот материал

Ошибка становится: function' object is not subscriptable

Я все еще не могу найти вектор

Попробуйте вызвать tf.keras.abs следующим образом:

 tf.keras.backend.abs(
    x
)
  

Нет

 tf.keras.backend.abs[
    x
]
  

Это функция, а не массив.
Это решило вашу проблему?