我试图使用keras构建一个非传统的神经网络，遇到了设置上的困难。

前几层是标准的卷积层，这些层的输出具有d个通道，每个通道的图像形状为n x n。

我想做的是使用单个全连接层将这个d x n x n的张量映射到一个大小为n x n的单一图像。我希望定义一个单一的全连接层，输入大小为d，输出大小为1，并将此函数应用于输入的每个“像素”（输入在通道上按深度取值）。

到目前为止，我还没有找到一个有效的解决方案。我尝试首先定义一个全连接层，然后遍历输入的每个“像素”，然而这需要几个小时来初始化模型，我担心这会减慢反向传播，因为计算可能没有正确地并行化。

有没有有效的方法来做到这一点？

回答：

您描述的是一个输出深度为1的1×1卷积。您可以像实现其他卷积层一样实现它。之后，您可能需要应用tf.squeeze来移除深度，其大小应为1。