Python 如何排除自定义Keras层的故障

我正在使用Keras（我是初学者）创建一个模型，并编写了一个lambda函数来随机选择是否翻转初始输入层

以下是尝试执行此操作的代码段：

input_global = Input(shape=(2001,1))
flipped = Lambda(lambda x: keras.backend.reverse(x, axes=1) if np.random.random() < 0.5 else x, output_shape=(input_global.shape[1], input_global.shape[2]))(input_global)

input_global=input（shape=（2001,1））
flipped=Lambda（Lambda x:keras.backend.reverse（x，axes=1）如果np.random.random（）<0.5否则x，输出_形状=（输入_全局.shape[1]，输入_全局.shape[2]）（输入_全局）

我的模型编译，但是在模型定义的中间记录诸如“代码>打印（“Hello，World”）< /C>”这样的消息只导致“Hello World”被记录一次-而不是每次数据在训练期间进入模型。

---

我如何知道我的函数实现了我的预期目标？

在构建Keras模型时，您正在构建一个操作图，每当您通过模型运行输入时，您都在通过该操作图运行输入。换句话说，您只需构建一个模型，然后就可以根据需要多次运行输入

非Keras函数将不属于图形的一部分，包括诸如

print

或

np.random.random（）

之类的操作。您将需要使用Keras等效项

对于

打印

，请使用该功能

对于

np.random.random

，使用函数

我认为您并不打算这样做，但因为您在自定义层中使用了

np.random.random（）

，所以只有在构建模型时才会执行该操作。无论何时通过模型运行数据，它都不会运行。换句话说，该层要么只反转输入，要么只返回输入。要获得我认为您想要的随机行为，您需要使用Keras函数（即，

Keras.backend.random\u uniform

）。每次运行模型时，使用Keras函数将生成一个随机数

---

为了说明这一点，

np.random.random（）

将在您构建模型时运行一次，本质上它将在构建时确定该层将做什么（即，它将只反转输入，或者只返回未更改的输入）<另一方面，code>keras.backend.random_uniform（）在构建模型时不会生成随机数，而是向模型添加随机统一操作，因此每次数据通过模型时，将从该点的均匀分布中提取一个随机数。

您具体知道如何编辑该行吗？我试过if

keras.backend.random\u uniform（（1,1））<0.5 else x

，但我认为它不喜欢if-else syntax，我找到了：

flipped=Lambda（Lambda x:tf.cond（keras.backend.random\u uniform（（1,1））<0.5，Lambda:keras.backend.reverse（x，axes=1），Lambda:x），output\u shape=（input\u global.shape[2]）（input\u global）

是的，看起来不错！顺便说一下，如果您刚开始使用Keras，您可能需要使用。这将使您能够访问TensorFlow团队最近正在研究的许多很酷的东西。请注意，您可以使用

keras.backend.random\u uniform（[]）

获取标量

keras.backend.random_uniform（（1,1））

提供1x1数组。但是对于条件语句，它们都起作用。