如何在 functional API keras 中使用定义的函数

Question

我对功能期间的 lambda 层非常困惑 API 请告诉我哪个是正确的

例如

def magic(x):
   x2=x+x
   return x2

D = Input((n,))
E = Lambda(magic)(D)
d = Model(~~~~) 

or

D = Input((n,))
E = magic(D)
d = Model(~~~~)

还有一个案例

def magic():
   x2=np.randn(3,1)
   return x2

D = Input((n,))
E = Lambda(magic)
d = Model(~~~~) 

or

D = Input((n,))
E = magic()
d = Model(~~~~)

请救救我！！

Answer 1

如果你想把你的自定义操作包装成一个层，你可以使用第一种方式，如下所示

def magic(x):
    x2 = x + x
    return x2

inp = tf.keras.Input(shape=(2,))
x = tf.keras.layers.Dense(4, name="id_1")(inp)

# Ways to Define Custom Layer
x = tf.keras.layers.Lambda(lambda val: magic(val))(x)
# or
# x = tf.keras.layers.Lambda(magic)(x)
# or
# x = tf.keras.layers.Lambda(lambda val: (val + val))(x)

x = tf.keras.layers.Dense(4, name="id_2")(x)
model = tf.keras.Model(inputs=inp, outputs=x, name="inner_model")

print(model.summary())

如何在 functional API keras 中使用定义的函数

How to use defined function in functional API keras

lambda

functional-programming

layer

tensorflow