Lambda 层
Lambda 类
keras.layers.Lambda(function, output_shape=None, mask=None, arguments=None, **kwargs)
将任意表达式封装为 Layer 对象。
Lambda 层存在的原因是，在构建 Sequential 和 Functional API 模型时，任意表达式可以被用作 Layer。 Lambda 层最适合简单的操作或快速实验。 对于更高级的用例，建议编写新的 Layer 子类。
警告：Lambda 层具有（反）序列化限制！
子类化 Layer 而不是使用 Lambda 层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，这从根本上来说是不可移植的，并且可能不安全。 它们应该只在保存它们的相同环境中加载。 通过重写它们的 get_config() 方法，子类化层可以以更可移植的方式保存。 依赖于子类化 Layer 的模型也通常更容易可视化和推理。
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: 来自函数的预期输出形状。 如果未明确提供，则通常可以推断出此参数。 可以是元组或函数。 如果是元组，它仅指定第一个维度之后；样本维度假定与输入相同：
output_shape = (input_shape[0], ) + output_shape，或者，输入为None且样本维度也为None：output_shape = (None, ) + output_shape。 如果是函数，它将整个形状指定为输入形状的函数：output_shape = f(input_shape)。 - mask: 可以是 None（表示不进行掩码），或一个可调用对象，其签名与
compute_mask层方法相同，或者一个张量，无论输入是什么，都将作为输出掩码返回。 - arguments: 可选的关键字参数字典，要传递给函数的。