使用keras时，加入keras的lambda层以实现自己定义的操作。但是，发现操作结果的shape信息有问题。 我的后端是theano，使用了sum操作。 比如输入时，shape为（32，28，28），其中32为batch大小
使用keras时，加入keras的lambda层以实现自己定义的操作。但是，发现操作结果的shape信息有问题。
我的后端是theano，使用了sum操作。
比如输入时，shape为（32，28，28），其中32为batch大小。
此时对应的ndim应该等于3。
但是，lambda处理后结果显示_keras_shape为（32，28，28），而ndim却是2。
这导致后边各项操作都会出现问题。
此处sum函数加入参数keepdims=True即可。
此注意keras中的各种层几乎都不用去理会batch的大小，系统会自动在shape中加入None占位，所以很多参数也不用加入batch的大小。但是进行sum等操作时，选择按照哪个axis进行操作，要考虑batch的存在。
补充知识：keras Merge or merge
在使用keras merge层时，发现有Merge 、merge两种：
from keras.layers import Merge
from keras.layers import merge
使用第一种是报错
“TensorVariable object has no attribute 'get_output_shape_at' ”
使用第二种小写即可。
以上这篇解决keras加入lambda层时shape的问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。