如何从 Keras Tensortype 切换到自定义层的 numpy 数组？

Question

所以我有一个自定义层，它没有任何权重。 第一步，我尝试在 Kers 中实现操纵输入张量的函数。但是因为很多原因我没有成功。我的第二种方法是使用 numpy 操作来实现函数，因为我正在实现的自定义层没有任何权重，据我了解，我会说，我可以使用 numpy 操作，因为我不需要反向传播，因为那里没有重量，对吧？然后，我只需将层的输出转换为张量：

 Keras.backend.variable(value = output) 

所以主要思想是实现一个自定义层，它接受张量，将它们转换为 numpy 数组，使用 numpy 操作对它们进行操作，然后将输出转换为张量。 问题是我似乎无法使用 .eval() 将我层的输入张量转换为 numpy 数组，以便可以使用 numpy 操作对其进行操作。

谁能告诉我如何解决这个问题？

Answer 1

正如 Daniel Möller 在 cmets 中提到的，Keras 需要能够通过您的层反向传播，以便计算前一层的梯度。因此，您的层需要可区分。

出于同样的原因，您只能使用 Keras 操作，因为这些操作可以使用 autograd 自动区分。如果您的图层很简单，请查看Lambda layer，您可以在其中快速实现自定义图层。

顺便说一句，Keras 后端函数应该涵盖很多用例，所以如果您无法通过这些函数编写层，您可能想在此处发布另一个问题。

希望这会有所帮助。