keras 新手：
我试图了解 keras 中使用的语法。我难以理解的语法是在构建网络时。我在许多地方都看到过，如下代码中所述。
像这样的语句： current_layer = SOME_CODE(current_layer)
这样的语句是什么意思？这是否意味着首先SOME_CODE要遵循 中描述的计算，然后再进行当前层中描述的计算？
这种语法有什么用，什么时候应该使用它？有什么优势和替代方案吗？
input_layer = keras.layers.Input(
(IMAGE_BORDER_LENGTH, IMAGE_BORDER_LENGTH, NB_CHANNELS))
current_layer = image_mirror_left_right(input_layer)
current_layer = keras.layers.convolutional.Conv2D(
filters=16, "some values " ])
)(current_layer)
def random_image_mirror_left_right(input_layer):
return keras.layers.core.Lambda(function=lambda batch_imgs: tf.map_fn(
lambda img: tf.image.random_flip_left_right(img), batch_imgs
)
)(input_layer)
如果您确实是 Keras 的新手，正如您所说，我强烈建议您在现阶段不要打扰这些高级的东西。
您所指的 repo 是使用专用库 ( HyperOpt ) 对Keras模型进行自动元优化的相当先进且非常重要的案例。它涉及根据已经存储在 Python 字典中的一些配置参数的“自动”模型构建......
此外，您引用的函数超越了 Keras，涉及 TensorFlow 方法和lambda函数......
这current_layer=SOME_CODE(current_layer)是 Keras Functional API的典型示例；根据我的经验，它不像更直接的Sequential API那样广泛使用，但在一些更高级的情况下它可能会派上用场，例如：
Keras 函数式 API 是定义复杂模型的方法，例如多输出模型、有向无环图或具有共享层的模型。[...] 使用函数式 API，可以轻松重用经过训练的模型：您可以将任何模型视为一个层，通过在张量上调用它。请注意，通过调用模型，您不仅可以重用模型的架构，还可以重用其权重。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句