Lambda 层

[来源]

Lambda 类

keras.layers.Lambda(function, output_shape=None, mask=None, arguments=None, **kwargs)

将任意表达式包装成 Layer 对象。

Lambda 层的存在是为了在构建顺序和函数式 API 模型时，将任意表达式用作 Layer。Lambda 层最适合简单操作或快速实验。对于更高级的用例，建议编写新的 Layer 子类。

警告：Lambda 层存在（反）序列化限制！

不使用 Lambda 层而使用 Layer 子类的主要原因是保存和检查模型。Lambda 层通过序列化 Python 字节码来保存，这本质上是不可移植的，而且可能不安全。它们只能在与保存它们的环境相同的情况下加载。子类化层可以通过覆盖它们的 get_config() 方法以更便携的方式保存。依赖子类化层的模型通常也更容易可视化和理解。

示例

# add a x -> x^2 layer
model.add(Lambda(lambda x: x ** 2))

参数

• function: 要评估的函数。将输入张量作为第一个参数。
• output_shape: 函数的预期输出形状。如果未明确提供，通常可以推断出此参数。可以是元组或函数。如果为元组，它只指定第一个维度以后的维度；样本维度假定要么与输入相同：output_shape = (input_shape[0], ) + output_shape，要么输入为 None，样本维度也为 None：output_shape = (None, ) + output_shape。如果为函数，它将整个形状指定为输入形状的函数：output_shape = f(input_shape)。
• mask: None（表示没有掩码）或具有与 compute_mask 层方法相同的签名的可调用对象，或者无论输入是什么都将作为输出掩码返回的张量。
• arguments: 要传递给函数的关键字参数的可选字典。