keras lambda 层

最新推荐文章于 2021-12-13 21:05:21 发布

原创最新推荐文章于 2021-12-13 21:05:21 发布 · 642 阅读

0 ·

CC 4.0 BY-SA版权

keras 专栏收录该内容

37 篇文章

订阅专栏

本文深入探讨了Keras中Lambda层的应用，展示了如何使用Lambda层进行数据操作，如切片和重塑，以及如何将多个Lambda层的输出进行合并。通过一个具体示例，解释了Lambda层如何帮助构建更灵活的神经网络模型。

import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Activation,Reshape
from keras.layers import merge
from keras.utils.visualize_util import plot
from keras.layers import Input, Lambda
from keras.models import Model
 
def slice(x,index):
　　return x[:,:,index]
 
a = Input(shape=(4,2))
x1 = Lambda(slice,output_shape=(4,1),arguments={‘index‘:0})(a)
x2 = Lambda(slice,output_shape=(4,1),arguments={‘index‘:1})(a)
x1 = Reshape((4,1,1))(x1)
x2 = Reshape((4,1,1))(x2)
output = merge([x1,x2],mode=‘concat‘)
 
model = Model(a, output)
x_test = np.array([[[1,2],[2,3],[3,4],[4,5]]])
print model.predict(x_test)
plot(model, to_file=‘lambda.png‘,show_shapes=True)

Keras：Lambda 层