如何将tensorflow对象包装为Keras层？

我想将分层多尺度LSTM实现为Keras层。
它在tensorflow中发布并实现。
我的理解是，有一种方法可以将这样一个tensorflow对象作为一个层包裹在Keras中。我不确定它有多复杂，但我认为它是可行的。你能帮我怎么做吗？

这通常由我来做。更具体地说，您应该继承并提供以下方法的自定义实现（并将TensorFlow代码放在其中）：

• 构建（输入形状）

  ：这是定义权重的地方。此方法必须设置

  self.build=True

  ，这可以通过调用

  super（[Layer]，self）.build（）

• 调用（x）

  ：这是层的逻辑所在。除非您希望层支持掩蔽，否则只需关心第一个 传递给call的参数：输入张量

• compute\u output\u shape（input\u shape）

  ：如果您的图层修改了其输入的形状，您应该在此处指定形状 转换逻辑。这使得Keras可以自动进行形状调整 推论

由于您正在尝试实现一个递归层，因此直接从中继承也很方便。在这种情况下，您可能不需要重新定义

compute\u output\u shape（input\u shape）

。如果您的图层需要其他参数，您可以将它们传递给自定义图层的

\uuuu init\uuuu

方法。

类似的未解析主题：