Python 如何在keras模型中使用tf操作

我试图在keras模型中使用tensorflow操作，我对机制和Lambda层对tf张量的作用非常困惑

所以这是可行的：

a = keras.layers.Input(shape=[1, 2], dtype='float', name='a')
s= keras.layers.Lambda(lambda x: tf.transpose(tf.transpose(x)))(a)
model = keras.models.Model(inputs=a, outputs=s)

但这不起作用：

a = keras.layers.Input(shape=[1, 2], dtype='float', name='a')
s = tf.transpose(tf.transpose(a))
s = keras.layers.Lambda(lambda x: x)(s)
model = keras.models.Model(inputs=a, outputs=s)

上面写着：

AttributeError: 'Tensor' object has no attribute '_keras_history'

那么，总是有必要在一个层中打包tf操作吗

问题2（为什么我会出现上一个问题）：在keras中进行矩阵乘法时，我们必须打包一个自定义层吗

---

谢谢。

问题1：是的，有必要用层包装tf操作，因为keras模型需要tensorflow ops中不包含的某些函数/变量。在这种情况下，

\u keras\u history

是一个仅通过使用层包装op而生成的属性

问题2：矩阵乘法tra是否考虑过使用keras

稠密层，使用
use_bias=False
？如果要为权重向量使用常量，可以设置
kernel\u初始值设定项={constant}
，以及
trainable=False