Lambda 层

[源代码]

Lambda 类

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

将任意表达式包装为 Layer 对象。

Lambda 层的存在是为了在构建 Sequential 和 Functional API 模型时，可以使用任意表达式作为 Layer。Lambda 层最适合简单的操作或快速实验。对于更高级的用例，请优先编写 Layer 的新子类。

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，这本质上是不可移植的，并且可能不安全。它们只能在保存它们的同一环境中加载。子类化的层可以通过重写其 get_config() 方法以更可移植的方式保存。依赖子类化层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：函数期望的输出形状。如果未明确提供，此参数通常可以推断出来。可以是元组或函数。如果是一个元组，它只指定第一个维度之后的维度；样本维度假设与输入相同：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。如果是一个函数，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）或与 compute_mask 层方法具有相同签名的可调用对象，或者是不管输入是什么都会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。