Python ackend函数。（不要使用循环）在不知道函数的情况下回答是不可能的。您使用的是哪个tensorflow版本？@DanielMöller我没有使用循环。我正在将（a，B）对的列表映射到函数。我将用真实的代码更新这个问题，但它与我所描述的没有太大区别。@Sh

---

ackend函数。（不要使用循环）在不知道函数的情况下回答是不可能的。您使用的是哪个tensorflow版本？@DanielMöller我没有使用循环。我正在将（

a

，

B

）对的列表映射到函数。我将用真实的代码更新这个问题，但它与我所描述的没有太大区别。@ShubhamShaswat TF1.13.1。不幸的是，我无法控制PC上的版本。您认为这在TF2.1计算机上会更好吗？我不确定，但您的自定义层和函数似乎连接不好，无法有效执行，在tesnorflow 2.0中有

@tf.function

将外部功能连接到图形，我明天回到工作电脑时将尝试一下。回复：平行线。我意识到发生这种事情的风险。然而，由于这些点的性质，在我目前的情况下，这不是一个风险。不过，当我完成代码时，我正计划进行健全性检查。好的，对于

mat.shape==（2，）

，你应该

K。重塑（mat，（1,2,1,1,1））

我已经实现了你的建议，它似乎有效。不幸的是，我无法正确地测试它，因为我得到了以下错误：

ValueError:检查目标时出错：预期dect\u decompo\u layer\u 1有5个维度，但得到了形状为（6、32、128、128）的数组。

。我已经检查了

f3

的形状，它是

（？，1，32，128，128）

。在那里的某个地方，Keras/TF似乎失去了通道维度。添加一个

重塑

层只会将错误移到该层。您的模型输出与

y

数据不匹配，只需重塑其中一个。是

\uuuu len\uuuu

仍然将形状报告为

（？，1，32，128，128）

，而它本应是

（？，32，128，128）

。这仍然有点奇怪，因为我已经重塑了

f3

张量以包含通道轴，但可能Keras喜欢删除大小为1的轴。无论哪种方式，这似乎比我之前的工作要快得多。

Input -(A, B)-> Model -(A', B')-> Function(A'[p], B'[p]) -(C[p])-> Result

def call(self, inputs, **kwargs): #shape (batch, 2, size, size, size)
    sample3 = inputs + (self.mat2 - self.mat3) 

    #all shapes (batch, size, size, size)
    x1 = inputs[:,0]
    y1 = inputs[:,1]
    x2 = sample3[:,0]
    y2 = sample3[:,1]

    #all shapes (1, size, size, size) or (batch, size, size, size)
    x3 = self.mat1[:,0]
    y3 = self.mat2[:,1]
    x4 = self.mat2[:,0]
    y4 = self.mat2[:,1]


    #all shapes (batch, size, size, size)
    px = (x1 * y2 - y1 * x2) * (x3 - x4) - (x1 - x2) * (x3 * y4 - y3 * x4)
    px /= (x1 - x2) * (y3 - y4) - (y1 - y2) * (x3 - x4)
    py = (x1 * y2 - y1 * x2) * (y3 - y4) - (y1 - y2) * (x3 * y4 - y3 * x4)
    py /= (x1 - x2) * (y3 - y4) - (y1 - y2) * (x3 - x4)

    #proceed with the rest

denominator = (x1 - x2) * (y3 - y4) - (y1 - y2) * (x3 - x4)
K.switch(
    K.less(K.abs(denominator), K.epsilon()), 
    denominator + K.sign(denominator)*K.epsilon(), 
    denominator)
px /= denominator