如何在Keras中对未知维度进行重复操作，适用于两种后端

例如（我可以用Theano轻松实现）：

# log_var的形状 --> (num, )
# Mean的形状 --> (?, num)
std_var = T.repeat(T.exp(log_var)[None, :], Mean.shape[0], axis=0)

使用TensorFlow时，我可以这样做：

std_var = tf.tile(tf.reshape(tf.exp(log_var), [1, -1]), (tf.shape(Mean)[0], 1))

但我不知道如何在Keras中实现同样的操作，可能像这样：

std_var = K.repeat(K.reshape(K.exp(log_var), [1, -1]), Mean.get_shape()[0])

或者

std_var = K.repeat_elements(K.exp(log_var), Mean.get_shape()[0], axis=0)

…因为Mean在轴0上的维度是未知的。

我需要这个用于自定义层的输出：

return K.concatenate([Mean, Std], axis=1)

回答：

Keras有一个抽象层keras.backend，你似乎已经找到了（你称之为K）。这个层提供了你所需的Theano和TensorFlow的所有函数。

假设你的TensorFlow代码是有效的，像这样：

std_var = tf.tile(tf.reshape(tf.exp(log_var), [1, -1]), (tf.shape(Mean)[0], 1))

那么你可以将其翻译为抽象版本，像这样写：

std_var = K.tile(K.reshape(K.exp(log_var), (1, -1)), K.shape(Mean)[0])

Theano和TensorFlow都支持未知轴的语法（未知轴用-1表示），所以这不是问题。

另外，我不确定你的TensorFlow代码是否正确。你重塑为(1, -1)，意味着轴0的维度将是1。我认为你可能更希望这样做：

std_var = K.tile(K.reshape(K.exp(log_var), (-1, num)), K.shape(Mean)[0])

学技术