如何在 keras 模型中使用 tf 操作答案

【问题标题】：how to use tf operations in keras models如何在 keras 模型中使用 tf 操作
【发布时间】：2018-05-31 07:26:57
【问题描述】：

我正在尝试在 keras 模型中进行 tensorflow 操作，但我对机制以及 Lambda 层对 tf 张量的作用感到非常困惑。

所以这行得通：

a = keras.layers.Input(shape=[1, 2], dtype='float', name='a')
s= keras.layers.Lambda(lambda x: tf.transpose(tf.transpose(x)))(a)
model = keras.models.Model(inputs=a, outputs=s)

但这不起作用：

a = keras.layers.Input(shape=[1, 2], dtype='float', name='a')
s = tf.transpose(tf.transpose(a))
s = keras.layers.Lambda(lambda x: x)(s)
model = keras.models.Model(inputs=a, outputs=s)

它说：

AttributeError: 'Tensor' object has no attribute '_keras_history'

那么是否总是需要将 tf 操作打包在一个层中？

问题 2（为什么我提出了上一个问题）：我们是否必须打包一个自定义层才能在 keras 中进行矩阵乘法？

谢谢。

【问题讨论】：

标签： python tensorflow keras matrix-multiplication attributeerror

【解决方案1】：

问题 1：是的，有必要用层来包装 tf 操作，因为 keras 模型需要某些函数/变量，这些函数/变量不包含在 tensorflow 操作中。在这种情况下，_keras_history 是一个属性，它只能通过用层包裹 op 来产生。

问题2：矩阵乘法是否考虑过使用kerasDense层，use_bias=False？如果你想为权重向量使用一个常数，你可以设置kernel_initializer={constant}和trainable=False。

【讨论】：