Lambda層
keras.layers.core.Lambda(function, output_shape=None, mask=None, arguments=None)
本函數用以對上一層的輸出施以任何Theano/TensorFlow表達式
如果你只是想對流經該層的數據做個變換，而這個變換本身沒有什麼需要學習的參數，那麼直接用Lambda Layer是最合適的了。
導入的方法是
from keras.layers.core import Lambda
Lambda函數接受兩個參數，第一個是輸入張量對輸出張量的映射函數，第二個是輸入的shape對輸出的shape的映射函數。
參數
-
function：要實現的函數，該函數僅接受一個變量，即上一層的輸出
-
output_shape：函數應該返回的值的shape，可以是一個tuple，也可以是一個根據輸入shape計算輸出shape的函數
-
mask: 掩膜
-
arguments：可選，字典，用來記錄向函數中傳遞的其他關鍵字參數
例子
# add a x -> x^2 layer
model.add(Lambda(lambda x: x ** 2))
# add a layer that returns the concatenation# of the positive part of the input and
# the opposite of the negative part
def antirectifier(x):
x -= K.mean(x, axis=1, keepdims=True)
x = K.l2_normalize(x, axis=1)
pos = K.relu(x)
neg = K.relu(-x)
return K.concatenate([pos, neg], axis=1)
def antirectifier_output_shape(input_shape):
shape = list(input_shape)
assert len(shape) == 2 # only valid for 2D tensors
shape[-1] *= 2
return tuple(shape)
model.add(Lambda(antirectifier,
output_shape=antirectifier_output_shape))
輸入shape
任意，當使用該層作爲第一層時，要指定input_shape
輸出shape
由output_shape參數指定的輸出shape，當使用tensorflow時可自動推斷
================================================
keras Lambda自定義層實現數據的切片,Lambda傳參數
1、代碼如下：
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)
2、注意Lambda 是可以進行參數傳遞的,傳遞的方式如下代碼所述：
def slice(x,index):
return x[:,:,index]
如上,index是參數,通過字典將參數傳遞進去.
x1 = Lambda(slice,output_shape=(4,1),arguments={'index':0})(a)
x2 = Lambda(slice,output_shape=(4,1),arguments={'index':1})(a)
3、上述代碼實現的是,將矩陣的每一列提取出來,然後單獨進行操作,最後在拼在一起。可視化的圖如下所示。
參考：
https://blog.csdn.net/hewb14/article/details/53414068
https://blog.csdn.net/lujiandong1/article/details/54936185
https://keras-cn.readthedocs.io/en/latest/layers/core_layer/
