如何用Keras的Lambda层高效添加多个参数到模型？

本文共计453个文字，预计阅读时间需要2分钟。

Keras操作简便，构建模型只需新建层，利用Lambda层可高效实现需求。

keras许多简单操作，都需要新建一个层，使用Lambda可以很好完成需求。

# 额外参数 def normal_reshape(x, shape): return K.reshape(x,shape) output = Lambda(normal_reshape, arguments={'shape':(-1, image_seq, 1000)})(output) output = Lambda(lambda inp: K.mean(inp, axis=1), output_shape=(1000,))(output)

更多参考

补充知识：keras 实现包括batch size所在维度的reshape，使用backend新建一层 针对多输入使用不同batch size折衷解决办法

新建层，可以在此层内使用backend完成想要的功能，如包含batch size维度在内的reshpe：

def backend_reshape(x): return backend.reshape(x, (-1, 5, 256))

使用lambda方法调用层：

vision_model.add(Lambda(backend_reshape, output_shape=(5, 256)))

注意指定输出维度

在多输入问题中，有时两个输入具有不同的batch size，但在keras无法直接实现。