l2范数的层

Question

我只想实现一个自定义层，用于获取两个向量(当然是匹配维数)的l2范数，这两个向量是由两个不同的模型在keras中输出的。我使用函数API方法编写keras函数，所以我有如下内容：

    inp1 = Input(someshape)
    X = Conv2D(someargs)(inp1)
    ...
    ...
    out1 = Dense(128)(X)

    inp2 = Input(someshape)
    Y = Conv2D(someargs)(inp2)
    ...
    ...
    out2 = Dense(128)(Y)

然后，我想将out1和out2之间距离的out1范数进一步输入到另一个网络中，因此我有一个lambda层，类似于：

    l2dist = keras.layers.Lambda(l2dist)(out1,out2)

其中l2dist是定义为：

    def l2dist(x,y):
        return K.sqrt(K.sum((x-y)**2))

但是我得到了l2dist =.线上写着：

    TypeError: __call__() takes 2 positional arguments but 3 were given

显然，我只提出了两个参数，out1和out2，为什么python认为我给出了3个参数？

我用lambda函数尝试过这样的方法：

    l2dist = keras.layers.Lambda(lambda x,y: K.sqrt(K.sum((x-y)**2)))(out1,out2)

但我也犯了同样的错误。

Answer 1

我发现keras中的Lambda层只能接受一个参数作为输入，所以我必须将lambda函数作为一个函数输入到一个列表中，并将两个张量作为一个列表传递。我还意识到我不能使用l2范数，因为这只给了我一个数字来运行最后的层，我必须使用一个不同的距离函数，它可以给出一个元素间的距离，而不是两个向量之间的欧几里德距离。我现在使用的是x平方距离，所以我的代码看起来像这样运行(但这给我带来了损失，但我想这是另一个问题。)(至少它能运行)：

    chisqdist = keras.layers.Lambda(lambda x: (x[0]-x[1])**2/(x[0]+x[1]))([out1,out2])