keras使用Lambda和Reshape自定义层、改动output、修改loss值

keras使用Lambda和Reshape自定义层、改动output、修改loss值

新版keras有一个Lambda工具可以帮助自定义层，同时可能会用到Reshape函数。
关于Lambda，它的作用就是将任意表达式封装为 Layer 对象。因为普通的切片会破坏Layer，所以不能直接对一个layer数据切片。
那怎么切片才能得到还是层的结果呢？
下面是一个Lambda使用例子说明：

...
out = TimeDistributed(Dense(label_size, activation='softmax'))(lstm_layer)
def slice(x,b):
    	return x[:,b,:]
outs=[]
for i in range(int(100/2)):
	c1=Lambda(slice,output_shape=(1,label_size),arguments={'b':2*i})(out)
    	c2=Lambda(slice,output_shape=(1,label_size),arguments={'b':2*i+1})(out)
    	c=Add()([c1,c2])#把下标每两个求和
        outs.append(c)#这样outs变成（50，label_size）
outs=Concatenate(axis=1)([p for p in outs])#将里面的内容合并,变成50*32=1600个，[1,2,3,..,1600]
out_=Reshape((50，label_size))(outs)#进行reshape,变成[[32个label],[32个label],[],...]，共50个，因为定义了shape为（50，label_size）.
model = Model(input=input_layer, output=out_)
model.compile(optimizer='adam', loss='categorical_crossentropy')
 ...

slice函数是实现对一个层out的切片，这里out的shape是（None，100，32），label_size=32,这个None不用管，比较抽象，可以想成是[[32个label],[ 32个label],[ 32个label],[ 32个label],…],里面共100个[32个label]。

看懂了以后，可以自己随便处理out，自定义层。
其他例子1
其他例子2
感谢你的浏览~