如何增加CNN自动编码器中的Lambda层数？

Question

我正在尝试自定义类似的CNN自动编码器。但是我不了解兰伯达层的含义。什么lambda（lambda x：x [：，0：1]）的意思是什么？在这种情况下，如何添加另一个lambda层（即Val3）？

input_img = Input(shape=(384, 192, 2))
## Encoder
x = Conv2D(16, (3, 3), activation='tanh', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='tanh', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='tanh', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='tanh', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(4, (3, 3), activation='tanh', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(4, (3, 3), activation='tanh', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Reshape([6*3*4])(x) ## Flatten()
encoded = Dense(2,activation='tanh')(x)
## Two variables
val1= Lambda(lambda x: x[:,0:1])(encoded)
val2= Lambda(lambda x: x[:,1:2])(encoded)
## Decoder 1
.....

Answer 1

来自此博客：

假设，在致命的dense_layer_3密集层以后，我们想在张量上进行某种操作，例如将值2添加到每个元素中。我们该怎么做？现有层都没有这样做，因此我们必须自己构建一个新层。

因此，Lambda层用于在输入张量上执行操作，但仍被认为是层。例如，假设我有模型：

layer1 = Dense(...)(x)
layer2 = Dense(...)(x)

model.summary() # will have layer1 and layer2

现在我想在layer1之后做x+2。通常，我会做：

layer1 = Dense(...)(x)
x = x+2
layer2 = Dense(...)(x)

model.summary() # will miss the x = x+2 operation

但是x = x+2不会将其视为模型中的一层。我们知道它之所以存在，是因为我们这样做了，但是其他人将没有办法知道，这使得如果出现问题，很难调试。因此，我们使用lambda：

layer1 = Dense(...)(x)
lamb = Lambda(lambda x: x+2)(x) 
layer2 = Dense(...)(x)

model.summary() # will have Lambda layer inside it

关于lambda（lambda x：x [：，0：1]），它是用于张量切片的lambda层。 x [：，0：1]表示“占所有行，但仅获取具有从0到1的索引的列。