Python Keras不能添加一个数字数组，从而产生一个标量吗？

这个问题涉及到，但简单一点

我希望Keras能够获取一组数字并求和。数组应具有由批次维度定义的任意长度

以下简单示例不起作用：

from keras.models import Model
from keras.layers import Input, Lambda
from keras import backend as K

inp = Input(shape = (1,))
out = Lambda(lambda x: K.sum(x))(inp)
m = Model(inp, out)

m.summary()
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_7 (InputLayer)         (None, 1)                 0         
_________________________________________________________________
lambda_2 (Lambda)            ()                        0         
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________

输出形状应为标量：

（1）

。没有批处理维度<上面定义的code>m，不编译

期望的结果是

m.predict（np.array（[1,2,3]）

产生

6

。或者可能是包含

6

的数组或张量

这个基本任务——作为函数应用于批处理维度并返回标量——可以在Keras中完成吗？如果不是，它能在纯张量流中完成吗

编辑：我刚刚了解到，您可以通过此模型进行预测，而无需编译：

m.predict(np.array([1,2]))

屈服

array([3., 3.], dtype=float32)

我想我现在的问题是如何将其压缩成一个标量，并将其编译

使用

tf.reduce_sum（）

和

axis=None

。它将减少所有尺寸：

将tensorflow导入为tf
将numpy作为np导入
从tensorflow.keras.models导入模型
从tensorflow.keras.layers导入输入，λ
从tensorflow.keras导入后端为K
inp=输入（形状=（3，））
out=λ（λx:tf.减少_和（x，轴=无））（inp）
m=型号（输入，输出）
m、 预测（np.array（[[1,2,4]]）#array（[7.]，dtype=float32）
m、 摘要（）
_________________________________________________________________
层（类型）输出形状参数
=================================================================
输入_2（输入层）（无，3）0
_________________________________________________________________
lambda_1（lambda）（）0
=================================================================
总参数：0
可训练参数：0
不可训练参数：

输出仍然是与输入相同的维度

m.predict（np.array（[1,2,4]）

产生

array（[7,7,7.]，dtype=float32）

。而且它不能编译…不，你错了。现在看一看您使用的是

keras

还是

tf.keras

？啊，区别在于您指定了批量大小，而不是第二维度。