我可以编写具有不可训练/固定权重的Keras Lambda图层吗？

Question

https://keras.io/layers/writing-your-own-keras-layers/

据此，无状态客户操作可以包装到Lambda层。但是，如果有可训练的变量，我们需要实现自己的层。 我想问问能否将Lambda层用于固定权重（即预先训练的权重）？

如果是，如何确保权重正确加载而不是随机初始化？由于get_weights（）不会为您提供Lambda图层中的权重。

非常感谢。

Answer 1

不，Lambda层在Keras一侧没有任何权重，您可以在lambda函数中放置一些权重，但是这些权重无法使用Keras加载，并且对于Keras完全不可见。

因此，如果要使用预先训练的权重，则必须实现自己的图层，因此Keras知道这些权重，可以使用load_weights进行加载。

Answer 2

让我们假设您对卷积层感兴趣。我认为这对于model.add(Lambda(lambda x: K.conv2d(x, kernels))是可行的，其中kernels是具有权重的numpy矩阵，而K是后端。