我正在使用Keras创建一个模型（我是个初学者），并编写了一个lambda函数来随机决定是否翻转初始输入层。

以下是尝试执行此操作的代码片段：

input_global = Input(shape=(2001,1))flipped = Lambda(lambda x: keras.backend.reverse(x, axes=1) if np.random.random() < 0.5 else x, output_shape=(input_global.shape[1], input_global.shape[2]))(input_global)

我的模型可以编译，但是在模型定义中间插入像print("Hello, world")这样的日志消息，仅在日志中显示一次”Hello world”，而不是在训练过程中每次数据输入模型时都显示。

我如何知道我的函数是否按预期工作？

回答：

在构建Keras模型时，您实际上是在构建一个操作图，每次您将输入通过模型运行时，就是在通过这个操作图运行输入。换句话说，您构建模型一次，然后您可以根据需要多次通过它运行输入。

非Keras函数不会成为图的一部分，包括print或np.random.random()这样的操作。您需要使用Keras的等效函数。

对于print，使用函数keras.backend.print_tensor。

对于np.random.random，使用函数keras.backend.random_uniform。

我认为您可能没有打算这样做，但由于您在自定义层中使用了np.random.random()，该操作将仅在构建模型时执行。它不会在每次您通过模型运行数据时运行。换句话说，该层要么只会翻转输入，要么只会返回输入。要获得您想要的随机行为，您需要使用Keras函数（即keras.backend.random_uniform）。使用该Keras函数将在每次运行模型时生成一个随机数。

重申一下，np.random.random()会在构建模型时运行一次，本质上它会在构建时决定该层将做什么（即，它要么只翻转输入，要么只返回未更改的输入）。另一方面，keras.backend.random_uniform()不会在构建模型时生成随机数，而是将一个random_uniform操作添加到模型中，因此每次数据通过模型时，都会在那个点从均匀分布中抽取一个随机数。