Lasagne 层，其输出形状取决于输入值而不是其输入形状

Question

我正在使用烤宽面条和 theano 做一个项目，需要创建一个自定义层。 然而，该层的输出并不取决于输入的大小，而是取决于输入的值...... 我知道 keras（仅具有 tensorflow 后端）提供了 lambda 层的可能性，并且我设法编写了一个表达式，使我能够根据输入值获得输出。但我不知道如何使用烤宽面条和 theano 来做到这一点。

例如：如果我的输入张量的大小固定为 100 个值，但我知道最后可能会有一些 0 值，这根本不会影响网络的输出，我该如何删除那些值，只让带有信息的值更进一步到下一层？ 我想尽量减少网络的 space 要求:)

有没有可能在烤宽面条中加一层这样的东西？如果是这样，我应该如何编写 get_output_shape_for() 方法？ 如果没有，我将切换到 keras 和 tensorflow :D

提前致谢！

Answer 1

感谢 Jan Schlüter 在这里为我提供答案：
https://groups.google.com/forum/?utm_medium=email&utm_source=footer#!topic/lasagne-users/ucjNayfhSu0

总结一下：
1) 是的，可以有一个千层面层，其输出形状取决于输入值（而不是输入形状）和
2) 您必须在具有固定编译时形状的热维度中写入 "None"（因此更改的维度取决于输入值）。

关于示例：
您可以先计算输出形状，然后创建一个具有原始张量中非零条目长度形状的新张量，然后用非零值填充新张量（例如使用 theano.tensor.set_subtensor 函数).但是，我不知道这是否是实现此结果的最佳解决方案...