Python Keras自定义Lambda层张量操作错误

我试图创建一个lambda层，在输出最终输出之前，它将执行一些确定性掩蔽（我不是说Keras掩蔽层）。这就是我到目前为止所做的：

def binary_mask(x):
    # Mask is half the size of x. 
    # 1 if pred1 > pred2 element-wise, 0 otherwise.

    pred1, pred2 = tf.split(x, 2, 1)
    mask = tf.greater(pred1, pred2)
    mask = tf.to_float(mask)
    return mask

def mask_output_shape(input_shape):
    return (input_shape[0], units)

这就是我用函数API创建图层的方法：

outputs = Lambda(binary_mask, output_shape=mask_output_shape)(inputs) 

我的优化器出现了一个非常奇怪的错误。似乎我的渐变是

无

但是，如果我用任何示例

Lambda

层实现替换

binary\u mask

中的当前代码，它工作正常，例如

返回x

。我做错了什么

---

我很确定我的

掩码

实际上是一个有效的张量流张量。

恐怕我不太明白将

输入

转换为0和1的向量的目的，但这个操作显然是不可微的。这就是为什么不返回渐变（即渐变为

None

）

也许你可以试试这个功能的“软”版本。例如，

sigmoid（a-b）

可以是

1的软版本，如果a>b否则为0

outputs = Lambda(lambda x: K.sigmoid(x[0] - x[1]))([pred1, pred2]) 

---

我有点明白你在说什么。但我的目标输出是0和1的向量。为什么这仍然是一个问题？为了使反向传播有效，每一层的输出应该是可微的w.r.t.它的输入。一般来说，如果你有一个“想法”，需要在某些层上进行不可微的运算，你可以尝试用一个“软版本”来代替它进行梯度计算。