Python 凯拉斯：乘以常数

在Keras中，是否可以通过输入

size（无，无，3）

来

x*a

？例如，输入

x

和

常量a:x（批次，无，无，1024）*a（批次，1）

我在列车中使用输入

大小（64,64,3）

，但测试数据应使用可变输入大小。无法调整测试尺寸以进行公平的图像处理

我尝试Lambda

函数（Lambda x:x*a）（seq）

。然后，我在代码方面没有问题。然后，我启动model.fit函数，得到错误：

------------->>tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [7,4,4,1024] vs. [7,1]. 

---

我不确定这是否正是您想要的，但您可以使用如下隐式广播：

Lambda（Lambda x:x*a[：，None，None，None]）

conv5 = Conv2D(1024, 3, activation = 'relu', padding = 'same', kernel_initializer = 'he_normal')(pool4)
conv5 = Conv2D(1024, 3, activation = 'relu', padding = 'same', kernel_initializer = 'he_normal')(conv5)

conv_c = Conv2D(num_classes, 1, activation='softmax')(conv5)
conv_c1 = GlobalAveragePooling2D(name="class_output")(conv_c)

conv_c1_1 = conv_c1[:, 0:1]
conv_c1_2 = conv_c1[:, 1:2]
conv_c1_3 = conv_c1[:, 2:3]

conv5_b = Lambda(lambda x: x * conv_c1_1)(conv5) #conv5:Tensor(shape=(?, 4, 4, 1024))
conv5_h = Lambda(lambda x: x * conv_c1_2)(conv5) #conv_c1_1: Tensor(shape=(?, 1))
conv5_r = Lambda(lambda x: x * conv_c1_3)(conv5)