Lambda 層

[原始碼]

Lambda 類別

keras.layers.Lambda(function, output_shape=None, mask=None, arguments=None, **kwargs)

將任意表達式包裝為 Layer 物件。

Lambda 層的存在是為了在構建 Sequential 和 Functional API 模型時，可以使用任意表達式作為 Layer。Lambda 層最適合用於簡單的操作或快速實驗。對於更進階的使用情境，建議編寫新的 Layer 子類別。

警告：Lambda 層具有序列化/反序列化限制！

不使用 Lambda 層而子類別化 Layer 的主要原因是儲存和檢查模型。Lambda 層透過序列化 Python bytecode 來儲存，這從根本上來說是不可移植的，並且可能不安全。它們應該僅在儲存它們的相同環境中載入。子類別化的層可以通過覆寫其 get_config() 方法以更便攜的方式儲存。依賴於子類別化 Layer 的模型通常也更容易視覺化和推理。

範例

# add a x -> x^2 layer
model.add(Lambda(lambda x: x ** 2))

參數

• function：要評估的函數。將輸入張量作為第一個參數。
• output_shape：函數預期的輸出形狀。如果未明確提供，通常可以推斷出此參數。可以是元組或函數。如果是元組，則僅指定第一個維度之後的維度；樣本維度假設與輸入相同：output_shape = (input_shape[0], ) + output_shape，或者，輸入為 None 且樣本維度也為 None：output_shape = (None, ) + output_shape。如果是函數，則將整個形狀指定為輸入形狀的函數：output_shape = f(input_shape)。
• mask：None（表示不遮罩）或與 compute_mask 層方法具有相同簽名的可調用物件，或將作為輸出遮罩返回的張量，無論輸入是什麼。
• arguments：要傳遞給函數的可選關鍵字參數字典。