Keras - 在`compile（）`之后修改lambda层答案

【问题标题】：Keras - Modifying lambda layer after `compile()`Keras - 在`compile（）`之后修改lambda层
【发布时间】：2018-04-30 07:03:47
【问题描述】：

在 Keras 中，如何在模型编译后更改 lambda 层？

更具体地说，假设我想要一个计算 y=a*x+b 的 lambda 层，其中 a 和 b 在每个时期都会更改。

import keras
from keras.layers import Input, Lambda, Dense
import numpy as np


np.random.seed(seed=42)

a = 1
b = 2

def f(x, a, b):
    return a * x + b

inputs = keras.layers.Input(shape=(3,))
lam = Lambda(f, arguments={"a": a, "b": b})(inputs)
out = keras.layers.Dense(5)(lam)

model = keras.models.Model(inputs, out)
model.trainable = False
model.compile(optimizer='rmsprop', loss='mse')

x1 = np.random.random((10, 3))
x2 = np.random.random((10, 5))

model.fit(x1, x2, epochs=1)

print("Updating. But that won't work")
a = 10
b = 20
model.fit(x1, x2, epochs=1)

这会返回两次loss: 5.2914，它应该返回一次loss: 5.2914，然后是loss: 562.0562。

据我所知，这似乎是一个open issue，可以通过编写自定义层来解决，但我还没有让它工作。

欢迎任何指导。

【问题讨论】：

标签： python lambda keras keras-layer

【解决方案1】：

如果您使用 a 和 b 作为张量，即使在编译后也可以更改它们的值。

有两种方法。一方面，您将 a 和 b 视为全局变量并从函数外部获取它们：

import keras.backend as K

a = K.variable([1])
b = K.variable([2])

def f(x):
    return a*x + b #see the vars coming from outside here

#....

lam = Lambda(f)(inputs)

您可以随时手动拨打K.set_value(a,[newNumber])。

K.set_value(a,[10])
K.set_value(b,[20])
model.fit(x1,x2,epochs=1)

在另一种方法中（我不知道是否有优势，但是...听起来至少组织得更好）您可以将 a 和 b 输入到模型中：

a = K.variable([1])
b = K.variable([2])
aInput = Input(tensor=a)
bInput = Input(tensor=b)

def f(x):
    return x[0]*x[1] + x[2] #here, we input all tensors in the function

#.....

lam = Lambda(f)([inputs,aInput,bInput])

您设置a 和b 的值的方式与其他方法相同。

【讨论】：