我在尝试实现一个ResNet模型。我希望使用一个函数来生成“基础”层（即在未修改的输入上添加的conv-relu-conv-relu），这样我可以快速地以编程方式增加层数。然而，当我将层作为函数参数传递给函数时，它表示这不是一个Keras张量。第一部分是我的函数定义，第二部分是调用，其中x_in是层对象，y是残差块的输出。我使用“x”作为前一层和下一层的名称。

def ResBlock(x_in, n_filt, l_filt, pool):    ...    return yx = ResBlock(x, 32, 16, 0)

在谷歌上搜索了一些内容后，我发现这是正确的语法：

def ResBlock(n_filt, l_filt, pool):    def unit(x_in):        x = Conv1D(n_filt, l_filt, padding='same')(x_in)        x = BatchNormalization()(x)        x = relu(x)        x = Dropout(0.1)(x)        x = Conv1D(n_filt, l_filt, padding='same')(x)        if pool:            x = MaxPooling1D()(x)            x_in = MaxPooling1D()(x_in)        y = keras.layers.add([x, x_in])            return y    return unitx = ResBlock(32, 16, 0)(x)

谁能解释为什么这是正确的方法？具体来说，我很好奇为什么我们需要为层对象使用嵌套的def？

回答：

Keras的标准“风格”是：首先定义一个层，然后应用它。因此，您提供的代码不是正确的风格，这就是为什么您会感到困惑的原因。

正确的风格应该是这样的：

def ResBlock(n_filt, l_filt, pool):    conv_1 = Conv1D(n_filt, l_filt, padding='same')    bn = BatchNormalization()    dropout = Dropout(0.1)    conv_2 = Conv1D(n_filt, l_filt, padding='same')    maxpool_1 = MaxPooling1D()    maxpool_2 = MaxPooling1D()    def unit(x_in):        x = conv_1(x_in)        x = bn(x)        x = relu(x)        x = dropout(x)        x = conv_2(x)        if pool:            x = maxpool_1(x)            x_in = maxpool_2(x_in)        y = keras.layers.add([x, x_in])            return y    return unitx = ResBlock(32, 16, 0)(x)

我们这样编写代码的原因是为了允许层的重用。也就是说，如果我们像这样调用它

resblock = ResBlock(32, 16, 0)x = resblock(x)x = resblock(x)

resblock会在两次调用之间共享所有参数。使用您示例中的语法，这将是不可能的。