如何理解Keras lambda层？

Question

我是Keras lambda表达式的新手，我需要了解它们的工作原理。

我想实现对决DQN（第二网络）的排队。这是图片：

我将网络分为A和V两部分。在我的情况下，A部分有4个输出（神经元），而V部分只有一个输出。

现在我需要从图像（右下）实现方程式。

我尝试编写它，但是我不知道它是否正确。

x[0]代表A部分中的4个神经元。

x[1]代表第V部分中的一个神经元

输出应该有4个神经元

x = y = Input(shape=(input_dims,))
y = Dense(256)(x)
y = Activation('relu')(y)
y = Dense(256)(x)
y = Activation('relu')(y)

v = Dense(1)(y)

a = Dense(n_actions)(y)

y = Lambda(lambda x: x[0] + x[1] - K.mean(x[0]), output_shape=(4,))([a, v])

model = Model(x, y)
model.compile(optimizer=Adam(lr=lr), loss='mse')

lambda函数等效于以下循环：

Q = numpy.zeroes((4,))     #output of neural nework
for i in range(4):
  Q[i] = a[i] + v[0] - mean(A)

我是否正确或不理解Keras中的lamba表达式？如果我写的方程式不正确，可以向我解释一下吗？

谢谢您的推荐！