Keras：语法说明

Question

keras 新手：

我正在尝试了解 keras 中使用的语法。我难以理解的语法是在构建网络时。我在很多地方都看到过，如下面的代码所述。

语句如下：current_layer = SOME_CODE(current_layer)
这样的说法是什么意思？这是否意味着首先要遵循SOME_CODE中描述的计算，然后是当前层中描述的计算？

这种语法有什么用，应该在什么时候使用？有什么优势和替代方案吗？

input_layer = keras.layers.Input(
        (IMAGE_BORDER_LENGTH, IMAGE_BORDER_LENGTH, NB_CHANNELS))

current_layer = image_mirror_left_right(input_layer)

current_layer = keras.layers.convolutional.Conv2D(
      filters=16, "some values " ])
        )(current_layer)

def random_image_mirror_left_right(input_layer):
    return keras.layers.core.Lambda(function=lambda batch_imgs: tf.map_fn(
        lambda img: tf.image.random_flip_left_right(img), batch_imgs
    )
    )(input_layer)

Answer 1

如果你确实是 Keras 的新手，正如你所说，我强烈建议你在这个阶段不要为这些高级的东西烦恼。

您所指的 repo 是一个相当高级且非常重要的案例，它使用专门的库 (HyperOpt) 自动元优化 Keras 模型。它涉及 'automatic' 根据一些已存储在 Python 字典中的配置参数构建模型...

此外，您引用的函数超出了 Keras 范围，涉及 TensorFlow 方法和 lambda 函数...

current_layer=SOME_CODE(current_layer)是Keras的典型例子Functional API; according to my experience, it is less widely used than the more straightforward Sequential API，但在一些更高级的情况下可能会派上用场，例如：

The Keras functional API is the way to go for defining complex models, such as multi-output models, directed acyclic graphs, or models with shared layers. [...] With the functional API, it is easy to re-use trained models: you can treat any model as if it were a layer, by calling it on a tensor. Note that by calling a model you aren't just re-using the architecture of the model, you are also re-using its weights.

Keras：语法说明

Keras: Syntax clarification

keras

keras-layer