Neural network 其输出形状取决于输入值而不是其输入形状的千层面

我正在做一个有千层面和theano的项目，需要创建一个自定义层。 然而，该层的输出并不取决于输入的大小，而是取决于输入的值。。。 我知道keras（仅使用tensorflow后端）提供了lambda层的可能性，并且我成功地编写了一个表达式，它允许我根据输入的值获得输出。但我不知道如何，甚至不知道是否可以用千层面和西亚诺做到这一点

例如：如果我的输入张量的大小固定为100个值，但我知道最后可能会有一些0值，这些值根本不会影响网络的输出，那么我如何删除这些值，只让包含信息的值进入下一层？ 我希望尽量减少网络的空间需求：）

有没有可能在千层面上有这样一层呢？如果是这样，我应该如何编写get\u output\u shape\u for（）方法？ 如果没有，我将切换到keras和tensorflow:D

---

提前谢谢

感谢Jan Schlüter在这里为我提供了答案：

总而言之：
1） 是的，可以有一个千层面，其输出形状取决于输入值（而不是输入形状）和
2） 必须在具有固定编译时形状的维度中写入“None”（因此更改的维度取决于输入值）

关于示例：
您可以先计算输出形状，然后使用原始张量中非零项长度的形状创建新张量，然后使用非零值填充新张量（例如，使用

theano.tensor.set_subsensor

函数）。然而，我不知道这是否是实现这一结果的最佳解决方案