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，可以将任意表达式用作 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 Layer 的新子类。

警告：Lambda 层有（反）序列化限制！

使用 Layer 子类而不是 Lambda 层的主要原因是模型的保存和检查。Lambda 层通过序列化 Python 字节码来保存，这本质上是不可移植且可能不安全的。它们只能在保存它们的环境中加载。子类层可以通过覆盖其 get_config() 方法以更可移植的方式保存。依赖于子类层的模型也通常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：函数预期的输出形状。如果未明确提供，此参数通常可以推断。可以是元组或函数。如果是一个元组，它只指定从第一个维度开始；假定样本维度与输入相同：output_shape = (input_shape[0], ) + output_shape，或者如果输入为 None，则样本维度也为 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：要么是 None（表示无掩码），要么是具有与 compute_mask 层方法相同签名的可调用对象，或者是一个张量，无论输入是什么，都将作为输出掩码返回。
• arguments：要传递给函数的可选关键字参数字典。