如何使用tf作为theano从keras层编辑权重

Question

我有以下代码，在创建图层时使用Keras和Theano：

net.add(Dense(outdim))
Wlast = net.layers[-1].W
Wlast.set_value(Wlast.get_value(borrow=True) * 0.1)

TF有适当的转换吗？我试试这个：

net.add(Dense(outdim))
Wlast = net.layers[-1].W
K.set_value(Wlast, K.get_value(Wlast) * 0.1)

# before it I do some import and set session: 
# from Keras import backend as K
# K.set_session(session)

但我不确定这项工作是否适当......

Cuz我使用这一层作为概率输出： - 在Theano版本中，范围[-1，-1]中的概率向量 - 从另一方面来说，如果我使用这个Keras代码，概率偏差大于1（如果我手动减少这些输出权重0.1 - 概率分布变得与Theano密切相关）

Answer 1

正确的解决方案是使用Keras的lambdas，例如：

net.add(Dense(outdim))
net.add(Lambda(lambda x: x * 0.1))