所以我有一个自定义图层，没有任何权重。 首先，我尝试在Kers中实现操作输入张量的函数。但由于种种原因，我没有成功。我的第二种方法是使用numpy操作实现这些函数，因为我实现的自定义层没有任何权重，从我的理解，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，对吗？然后，我只需将我的图层的输出转换为张量：
Keras.backend.variable(value = output)
因此，主要思想是实现一个自定义层，它采用张量，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（）将我的图层的输入张量转换为numpy数组，因此可以使用numpy操作来操作它们。
任何人都可以告诉我，我如何解决这个问题？
答案 0 :(得分：0)
正如DanielMöller在评论中所提到的，Keras需要能够反向传播到您的图层，以便计算前一层的渐变。因此，您的图层必须是可区分的。
出于同样的原因，您只能使用Keras操作，因为这些操作可以通过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后端功能应该涵盖很多用例，所以如果你不想通过这些来编写你的图层，你可能想在这里发布另一个问题。
希望这有帮助。