Python 如何在Keras中向我的模型输出中添加一个n维常数张量？

我的模型将一批图像作为输入，并输出一批定制的图像。在预处理期间，从每个通道中减去VGG-16平均像素值。这是必要的，因为需要进一步处理。为了评估结果，我想在模型末尾添加一个自定义层，以获得可视化结果。因此，该层需要再次添加减去的值

到目前为止，我想使用一个Lambda层，它封装了一个函数。在这个函数中，我尝试叠加三个常量张量，以便将这个3D张量添加到输出中。我在这里面临的问题是，我不知道批量大小，也不知道图像大小，常数张量不接受任何形状条目。如何使此函数适用于任意输入。基本上我想说的是：

mean=[103.939116.779123.68]
x[…，0]+=平均值[0]
x[…，1]+=平均值[1]
x[…，2]+=平均值[2]

代码：

model_inp=Input（shape=（无，无，通道），name='Input'）
model_output=Conv2D（filters=64，kernel_size=（9,9），padding='same'，activation='relu'，kernel_initializer='RandomNormal'）（model_inp）
model_output=Conv2D（filters=32，kernel_size=（1,1），padding='same'，activation='relu'，kernel_initializer='RandomNormal'）（model_output）
model_output=Conv2D（filters=3，kernel_size=（5,5），padding='same'，activation='linear'，kernel_initializer='RandomNormal'，name='output'）（model_output）
模型输出\u fin=Lambda（self.vgg\u后处理）（模型输出）
def vgg_后处理（自，x）：
平均值=[103.939116.779123.68]
B=K.常数（平均值[0]，形状=（无，无，无，1））
G=K.常数（平均值[1]，形状=（无，无，无，1））
R=K.常数（平均值[2]，形状=（无，无，无，1））
十位数=K.堆栈（[B，G，R]，轴=3）
x+=十
返回x