如何避免在Keras Lambda层中使用变量？

在我的模型训练计划中，我有这个片段

if args.thr > 0.0:
    s = layers.Lambda(lambda a: a / args.thr)(s)
    s = layers.Lambda(lambda a: a / (1.0+a*a))(s)
    u = layers.Subtract()([x, s])

args.thr值由argparse设置。我有一个单独的程序加载模型，并在一组图像上使用它。如本文所述，如果args.thr大于零，则将包括Lambda层，并且它将期望args.thr的值

我可以编辑代码并将值写入Lambda行，而不是将其作为参数传递。在辩论中有没有有效的方法来做同样的事情？这很有效

    s = eval('layers.Lambda(lambda a: a / {0:f})(s)'.format(args.thr))

它不是很漂亮：我把浮点数变成了一个字符串，然后字符串又变成了浮点数，呃。有更好的方法吗

附言：

---

如果没有支持，也许我不应该这么做。在这种情况下，层没有可训练的参数，因此它不是模型的活动部分。我已经设法重新安排了事情，所以这是在模型之外处理的。尽管如此，它仍然有效，尽管它并不完美。

如果没有lambda，可以定义一个函数，而不是使用带有参数A和thr的lambda表达式。之后，您应该能够将

functools.partial（您的函数，thr=args.thr）

传递到

keras.layers.Lambda

。谢谢。这就行了。答案不是在克拉斯或努比。我可能会坚持使用我所拥有的，因为值是我输入的参数，所以将其转换为字符串并返回不会造成真正的伤害。这是包装函数的一种方法。我希望能把变量包装成常量，这样我就能明白为什么找不到它了。谢谢