Lambda 層
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 層的存在是為了讓任意表達式在建構循序和函數式 API 模型時可以作為 Layer 使用。Lambda 層最適合用於簡單的操作或快速實驗。對於更進階的使用案例，建議編寫新的 Layer 子類別。
警告：Lambda 層有 (反)序列化的限制！
使用 Layer 子類別而不是 Lambda 層的主要原因是儲存和檢查模型。Lambda 層透過序列化 Python 位元組碼來儲存，這從根本上來說是不可移植且可能不安全的。它們應僅在與儲存它們相同的環境中載入。子類別化的層可以透過覆寫它們的 get_config() 方法以更可攜式的方式儲存。依賴子類別化層的模型也通常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：函數的預期輸出形狀。如果沒有明確提供，通常可以推斷此參數。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，輸入是None且樣本維度也是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：可以是 None（表示不進行遮罩）或具有與
compute_mask層方法相同簽名的可呼叫物件，或將被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。