Keras：没有输入的自定义层答案

【问题标题】：Keras: Custom layer without inputsKeras：没有输入的自定义层
【发布时间】：2022-01-31 20:13:50
【问题描述】：

我想实现一个没有任何输入的 Keras 自定义层，只是可训练的权重。

这是目前为止的代码：

class Simple(Layer):

    def __init__(self, output_dim, **kwargs):
       self.output_dim = output_dim
       super(Simple, self).__init__(**kwargs)

    def build(self):
       self.kernel = self.add_weight(name='kernel', shape=self.output_dim, initializer='uniform', trainable=True)
       super(Simple, self).build()  

    def call(self):
       return self.kernel

    def compute_output_shape(self):
       return self.output_dim

X = Simple((1, 784))()

我收到一条错误消息：

__call__() missing 1 required positional argument: 'inputs'

是否有在 Keras 中构建没有输入的自定义层的解决方法？

【问题讨论】：

你必须打电话给X = Simple((1, 784))而不是X = Simple((1, 784))()
我想获取输出张量，而不仅仅是创建层。
你可以做def call(self,x):return self.kernel(x)，仍然打电话X = Simple((1,784))继续你想做的事
@adalca 不，我不这么认为。
@adalca 如果您没有设置，请检查因此发布的答案。

标签： python tensorflow keras

【解决方案1】：

您可以执行以下操作，

from tensorflow.keras.layers import Layer

class Simple(Layer):

    def __init__(self, output_dim, **kwargs):
       self.output_dim = output_dim
       super(Simple, self).__init__(**kwargs)

    def build(self, input_shapes):
       self.kernel = self.add_weight(name='kernel', shape=self.output_dim, initializer='uniform', trainable=True)
       super(Simple, self).build(input_shapes)  

    def call(self, inputs):
       return self.kernel

    def compute_output_shape(self):
       return self.output_dim

X = Simple((1, 784))([])
print(X.shape)

哪个产生

>>> (1, 784)

【讨论】：

【解决方案2】：

小修正：self.output_dim 周围需要方括号：

def build(self, input_shapes):
   self.kernel = self.add_weight(name='kernel', shape=[self.output_dim], initializer='uniform', trainable=True)
   super(Simple, self).build(input_shapes)

【讨论】：