Keras 具有Lambda层的GlobalAveragePoolg1d等价性

GlobalAveragePoolg1d层是否与使用自定义Lambda层计算平均值相同

数据是暂时的，因此x具有形状（批次、时间、特征）

相比

x=GlobalAveragePooling1D()(x)

由于我的结果差异很大，似乎缺少了一些东西

---

有什么想法吗？

你可以自己测试一下

X = np.random.uniform(0,1, (32,24,10)).astype('float32')

x_lambda = Lambda(lambda x: tf.keras.backend.mean(x, axis=1))(X)
x_pool = GlobalAveragePooling1D()(X)

tf.reduce_all(x_lambda == x_pool)
# <tf.Tensor: shape=(), dtype=bool, numpy=True>

X=np.random.uniform（0,1，（32,24,10））.astype（'float32'））
x_lambda=lambda（lambda x:tf.keras.backend.mean（x，axis=1））（x）
x_pool=globalaveragepoolg1d（）（x）
tf.reduce_all（x_lambda==x_pool）
# 

---

它们是相同的

是的，我忘记了我的网络中有一个屏蔽，它由池层使用，但不与Lambda层一起使用。。。

X = np.random.uniform(0,1, (32,24,10)).astype('float32')

x_lambda = Lambda(lambda x: tf.keras.backend.mean(x, axis=1))(X)
x_pool = GlobalAveragePooling1D()(X)

tf.reduce_all(x_lambda == x_pool)
# <tf.Tensor: shape=(), dtype=bool, numpy=True>