tf.nn.softplus加Lambda函数的意义

来源：3-6 使子类与lambda分别实战自定义层次

慕虎9426780

2021-08-15

你好，我在看到这节的内容之后。也自己尝试了tf.nn.softplus这个函数，
发现：

customized_softplus = keras.layers.Lambda(lambda x : tf.nn.softplus(x))
print(customized_softplus([-10., -5., 0., 5., 10.]))

和

print(tf.nn.softplus([-10., -5., 0., 5., 10.]))

得到的结果是一样的，都是一个tf Tensor。请问在这里使用keras的Lambda函数将这个tf的nn函数封装，相比直接使用这个nn函数，有什么不同吗？
是否会在某些特定场合，使用Lambda函数套一层，有特定的意义？

写回答

1回答

正十七

2021-08-19

经过keras的Lambda封装之后它就变成了一个tf.keras.layers.Layer对象，可以出现在tf.keras.models.Sequential的数组里。

不然，就只能用函数式的写法来实现模型了。

当然，实际计算结果都是一样的。

Google老师亲授 TensorFlow2.0 入门到进阶

Tensorflow2.0实战—以实战促理论的方式学习深度学习

1849 学习 · 896 问题

相似问题

回答 1

回答 1

回答 1

回答 1

回答 1