Python 如何将Lambda层作为输入层添加到Keras中的现有模型中？

我有一个任务是向Keras模型添加一个图像预处理层，所以在加载Keras模型后，我想为这个模型添加一个新的输入层

我发现我可以使用

Lambda

层来预处理图像数据。图层代码为：

def vgg16preprocessing(x):
    mean_tensor = K.backend.variable([125.307, 122.95, 113.865], name="mean")
    std_tensor = K.backend.constant([62.9932, 62.0887, 66.7048], name="std_tensor")
    result = (x - mean_tensor) / (std_tensor)
    return K.backend.reshape(result, (-1, 32, 32, 3))
preproc_layer = K.layers.Lambda(vgg16preprocessing, output_shape=(32, 32, 3), input_shape=(32, 32, 3))

但是我不知道如何在我的模型前面添加这个层。我找到了，但无法在

keras.layers.Input（）

中添加层

---

有没有办法将

Lambda

层设置为新的输入层？

您可以使用VGG16模型并将其应用于

Lambda

层的输出：

vgg = VGG16(...)

input_img = Input(shape=...)
preproc_img = Lambda(vgg16preprocessing)(input_img)
output = vgg(preproc_img)

model = Model(input_img, output)