Keras中的列式操作

假设我有一个向量v和一个矩阵M——它们不是输入，而是由其他运算产生的中间张量。我想做一个逐列操作，也就是说，对M的每一列应用一个函数f

i=1的运算（v，M）=[f（v，M[：，i]）。。N

我所做的是以下（伪代码）：

对于i范围（K.int_形状（M））[1]：
列=λ（λx:x[：，i]）（M）
...  ...

我发现，在运行时（即model.fit（））期间，for循环中的列是相同的，而不是检索每个列。我怀疑Lambda（Lambda x:x[：，I]）不是在Keras中检索列的正确方法

---

在Keras中，在矩阵中执行列操作的正确方法是什么？

我发现了一个问题。Python中的lambda函数执行延迟求值。也就是说，它不是在声明时而是在执行时在lambda函数中设置i的值。这就是为什么所有Lambda层都试图检索最后一列的原因

---

当我将lambda函数定义更改为

column=lambda（lambda j:lambda x:x[：，j]（I））（M）

时，它现在可以工作了

根据您的

f

，最好不要使用任何循环。但只有知道f才能肯定地说这是可能的。（通常是这样）例如，如果运算是求和、乘法等，只要正确地重塑张量，就可以在一行中完成。

for i range(K.int_shape(M))[1]:
    column = Lambda(lambda x:x[:,i])(M) 
    ... <a code performing f(v, column)> ...