Tensorflow自定义Layer多输入input_shape

环境：tensorflow 2.0.0

Tensorflow中，继承Layer实现自定义类，一般重写build()方法，且build()方法需接收input_shape这一个参数。

class customLayer(Layer):
    def build(self, input_shape):
        xxx

若该层只有一个输入，那么input_shape就是该输入的shape。

若该层有多个输入，那么input_shape为每个输入shape的list。需要注意的是，这时候call()函数中的多个输入需要以一个list的形式传入。

下面展示正确用法与错误用法，注释中详细介绍了细节：

• 正确用法

  class myLayer(Layer):
      def __init__(self, *args, **kwargs):
          super(myLayer, self).__init__(*args, **kwargs)
      
      def build(self, input_shape):
          print(input_shape) # 输出结果为：[TensorShape([None, 5]), TensorShape([None, 3])]
          shape1 = input_shape[0][1]
          shape2 = input_shape[1][1]
          
          self.w1 = self.add_weight(shape=(shape1, 1))
          self.w2 = self.add_weight(shape=(shape2, 1))
          
      def call(self, x): # 这里多输入需要将x以list的形式传入
          return tf.add(tf.matmul(x[0], self.w1), tf.matmul(x[1], self.w2))
  
  inputs1 = Input((5))
  inputs2 = Input((3))
  
  outputs = myLayer()([inputs1, inputs2])
  
  model = Model(inputs=[inputs1, inputs2], outputs=outputs)
  model.compile(loss=tf.keras.losses.binary_crossentropy)

• 错误用法

  class myLayer(Layer):
      def __init__(self, *args, **kwargs):
          super(myLayer, self).__init__(*args, **kwargs)
      
      def build(self, input_shape):
          print(input_shape) # 输出结果为(None, 6)，因为call()函数中分开传入了多个输入
          shape1 = input_shape[0][1]
          shape2 = input_shape[1][1]
          
          self.w1 = self.add_weight(shape=(shape1, 1))
          self.w2 = self.add_weight(shape=(shape2, 1))
          
      def call(self, x1, x2): # 这里分别输入，得不到正确结果
          return tf.add(tf.matmul(x1, self.w1), tf.matmul(x2, self.w2))
  
  inputs1 = Input((6))
  inputs2 = Input((3))
  
  outputs = myLayer()(inputs1, inputs2)
  
  model = Model(inputs=[inputs1, inputs2], outputs=outputs)
  model.compile(loss=tf.keras.losses.binary_crossentropy)