Python 我可以写一个不可训练/固定重量的Keras Lambda层吗？

根据本文，无状态客户操作可以包装到Lambda层。但是如果有可训练的变量，我们需要实现我们自己的层。 我想问，是否可以将Lambda层用于固定重量（即预训练重量）

如果是，如何确保正确加载权重，而不是随机初始化权重？因为get_weights（）不会在Lambda层中为您提供权重

---

提前非常感谢。

不，Lambda层没有来自Keras侧的任何权重，您可以在Lambda函数中放置一些权重，但这些权重无法使用Keras加载，Keras完全看不见

---

因此，如果你想使用预先训练好的权重，你必须实现你自己的层，这样这些权重对于Keras来说是已知的，并且可以使用

load\u-weights

来加载。假设你对卷积层感兴趣。我认为使用

model.add（Lambda（Lambda x:K.conv2d（x，kernels））是可行的

where

kernels

是一个带有权重的

numpy

矩阵，

K

是后端。

Hi，感谢您的快速回复。想知道在包装到Lambda层之前是否可以先将tensorflow检查点加载到tensorflow图？我尝试了这种方法，但输出似乎与TF不同，这意味着未加载或仍随机初始化。