我创建了用于在Keras中进行图像处理的卷积神经网络。该模型将图像（768 x 64）作为输入，并返回相同大小的图像。 使用PyCharm调试器查看该模型，结果显示输出形状为（？，768,64,1），非常好。
现在我想做的是以下几点： 假设我们的批处理大小为4，则输出将为形状的张量（4，768，64，1）。因此， old_matrix = output [k，：，：，0]是（768 x 64）矩阵。我的目标是将每个矩阵乘以形状为（128，768）的给定转换矩阵。下面显示的代码段说明了这个想法。
我检查了 Matrix multiplication in Keras ， How to implement a matrix multiplication in Keras? 和 https://github.com/keras-team/keras/blob/master/keras/layers/merge.py#L416 但是没有一个链接能令人满意地回答我的问题。
import numpy as np
old_matrix = output[k,:,:,0] # shape (764, 64)
transformation_matrix = ones(128, 768) # for simplicity simply 'ones'
new_matrix = np.matmul(transformation_matrix, old_matrix) # shape (128,64)
我要实现的目标如下： 将形状为（？，768，64，1）的旧输出张量转换为形状为（？，128，64，1）的新输出张量，使得每个（未知）k都具有： new_tensor [k，：，：，0] = Transformation_matrix * old_tensor [k，：，：，0]。 在此，*表示2-D标准矩阵乘法，即，没有逐元素乘法，也没有点积。有谁知道如何做到这一点？我是否必须为此实现自定义Keras层？ 预先感谢！