Python 如何将theano张量理解为矩阵和keras.backend变量？

如果我将Keras与theano一起使用，在这种情况下，A和B之间的区别是什么

from keras import backend as K
import theano 

A = theano.tensor.matrix()
B =  K.zeros(shape = (d1, d2, d3, d4))

其中，d1-d4是尺寸，例如（1,4,14,14）

根据，keras在编号中创建：

variable = theano.shared(value=np.zeros(shape),
                         name='somename',
                         strict=False)
variable._keras_shape = value.shape
variable._uses_learning_phase = False

---

使用keras对象通常更好。他们为keras模型提供了形状和其他功能

好的！因此，在我的自定义层中，我可以使用ano.tensor.matrix（）初始化新的张量，并在不丢失层与反向传播之间的连接的情况下操作它们吗？换句话说，我可以使用K.variable来操作自定义层中的数据吗？我问的原因是在您在第197行共享的链接中：，它说用K.variable（）创建的变量“不是”keras张量-这在反向传播过程中如何影响我的学习过程？通常可以（在自定义层和lambda层内）使用theano函数，一切都会很好。这很有帮助。非常感谢。