Keras：带有多个参数的Lambda层函数

Question

我正在尝试在Keras中编写一个Lambda层，该层调用一个名为connection的函数，该函数运行循环for i in range(0,k)，其中k作为输入提供给函数connection(x,k)。现在，当我尝试在Functional API中调用该函数时，我尝试使用：

k = 5
y = Lambda(connection)(x)

此外，

y = Lambda(connection)(x,k)

但是这两种方法都不起作用。我如何在不将其分配为全局参数的情况下输入k的值？

- Prabaha

---

“k”是一个常数吗？还是在模型的某个地方计算出来的？它是模型的输入之一，作为输入数据的一部分吗？ - Daniel Möller

模型通过 k 次更新。每次调用 Lambda 层时，k 的值都会改变。但是我在 Keras 的 GitHub 问题中找到了解决方案 here。使用 y = Lambda(connection, arguments={'k':k})(x) 即可解决问题！ - Prabaha

Answer 1

只需使用

y = Lambda(connection)((x,k)) 

然后在连接方法中使用var[0]、var[1]

- Andrey Nikishaev

---

这是正确的解决方案，应该被接受。 - nairouz mrabah

除非 x 和 k 都是张量对象（参见：Layer lambda_4 was called with an input that isn't a symbolic tensor. Received type: <class 'int'>. Full input: [8]. All inputs to the layer should be tensors.），否则这将无法工作。 - Arthur Attout

@ArthurAttout Python变量可以使用本地上下文传递给Lambda。 - Andrey Nikishaev

我在最新的tensorflow中遇到了错误“缺少1个必需的位置参数k连接”。 - Daniel Wiczew

Answer 2

在这个 GitHub Pull Request中找到了解决问题的方法。使用它。

y = Lambda(connection, arguments={'k':k})(x)

工作了！

- Prabaha

---

注意：默认情况下，model.save_weights（）将不会将k识别为模型的一部分。 - wrongu

是的，这确实起作用了。但是对于其他读者，请注意这里的变量k已经定义为某个常数。 - zwep

Answer 3

Tmodel = Sequential()
x = layers.Input(shape=[1,])   # Lambda on single input
out1 = layers.Lambda(lambda x: x ** 2)(x)

y = layers.Input(shape=[1,])   # Lambda on multiple inputs
z = layers.Input(shape=[1,])
def conn(IP):
    return IP[0]+IP[1]
out2 = layers.Lambda(conn)([y,z])

Tmodel = tf.keras.Model(inputs=[x,y,z], outputs=[out1,out2],name='Tmodel')  # Define Model
Tmodel.summary()

# output
O1,O2 = Tmodel([2,15,10])
print(O1)   # tf.Tensor(4, shape=(), dtype=int32)
print(O2)   # tf.Tensor(25, shape=(), dtype=int32)

- Debabrata Pal

---

请添加一些解释以获得更好的清晰度或参考文档。 - mybrave