GlobalAveragePooling1D 层是否与使用自定义 Lambda 层计算平均值相同？

数据是时间序列的，因此 x 的形状为 (batch, time, features)

x=keras.layers.Lambda(lambda x: keras.backend.mean(x, axis=1))(x)

与

x=GlobalAveragePooling1D()(x)

相比，由于我的结果差异很大，似乎缺少了一些东西。

有什么想法吗？

回答：

你可以自己测试…

X = np.random.uniform(0,1, (32,24,10)).astype('float32')x_lambda = Lambda(lambda x: tf.keras.backend.mean(x, axis=1))(X)x_pool = GlobalAveragePooling1D()(X)tf.reduce_all(x_lambda == x_pool)# <tf.Tensor: shape=(), dtype=bool, numpy=True>

它们是相同的