Keras：具有多个参数的 Lambda 层函数答案

【问题标题】：Keras: Lambda layer function with multiple parametersKeras：具有多个参数的 Lambda 层函数
【发布时间】：2017-12-09 10:11:18
【问题描述】：

我正在尝试在 Keras 中编写一个 Lambda 层，该层调用一个函数 connection，它运行一个循环 for i in range(0,k)，其中 k 作为函数 connection(x,k) 的输入。现在，当我尝试在功能 API 中调用该函数时，我尝试使用：

k = 5
y = Lambda(connection)(x)

还有，

y = Lambda(connection)(x,k)

但是这些方法都不起作用。如何在不将其分配为全局参数的情况下输入 k 的值？

【问题讨论】：

“k”是常数吗？或者它是在模型中的某个地方计算出来的？作为输入数据的一部分，它是模型的输入吗？
k 通过模型更新。 k 的值在不同的时间发生变化，我称之为Lambda 层。但我在 Keras GitHub 问题中找到了解决方案 here。使用y = Lambda(connection, arguments={'k':k})(x) 成功了！

标签： python neural-network keras keras-layer

【解决方案1】：

随便用

y = Lambda(connection)((x,k))

然后是连接方法中的var[0]、var[1]

【讨论】：

这是应该被接受的正确解决方案。
除非x 和k 都是张量对象，否则这将不起作用（参见：Layer lambda_4 was called with an input that isn't a symbolic tensor. Received type: <class 'int'>. Full input: [8]. All inputs to the layer should be tensors.）
@ArthurAttout python 变量可以使用本地上下文传递给 Lambda

【解决方案2】：

在this GitHub Pull Request 中找到了问题的解决方案。使用

y = Lambda(connection, arguments={'k':k})(x)

成功了！

【讨论】：

注意：默认情况下model.save_weights() 不会将k 识别为模型的一部分。
是的，这确实有效。但是对于其他读者.. 请知道这里的变量 k 已经定义为一些常量

【解决方案3】：

Tmodel = Sequential()
x = layers.Input(shape=[1,])   # Lambda on single input
out1 = layers.Lambda(lambda x: x ** 2)(x)

y = layers.Input(shape=[1,])   # Lambda on multiple inputs
z = layers.Input(shape=[1,])
def conn(IP):
    return IP[0]+IP[1]
out2 = layers.Lambda(conn)([y,z])

Tmodel = tf.keras.Model(inputs=[x,y,z], outputs=[out1,out2],name='Tmodel')  # Define Model
Tmodel.summary()

# output
O1,O2 = Tmodel([2,15,10])
print(O1)   # tf.Tensor(4, shape=(), dtype=int32)
print(O2)   # tf.Tensor(25, shape=(), dtype=int32)

【讨论】：

请添加一些解释以获得更好的清晰度或参考文档。