我正在使用Keras（我是初学者）创建模型，并编写了一个lambda函数来随机选择是否翻转初始输入层。
这是尝试这样做的摘录：
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，但是在模型定义的中间记录print("Hello, world")之类的消息只会导致记录一次“ Hello world”，而不是每次训练期间数据都进入模型。
我怎么知道我的功能符合我的预期？
答案 0 :(得分：1)
在构建Keras模型时，您将在构建操作图，并且每当通过模型运行输入时，就会通过该操作图运行输入。换句话说，您只需构建一个模型，然后就可以根据需要多次运行输入。
非Keras函数将不成为图形的一部分，包括print或np.random.random()之类的操作。您将需要使用Keras等效项。
对于print，使用功能keras.backend.print_tensor。
对于np.random.random，使用功能keras.backend.random_uniform。
我认为您不打算这样做，但是由于您在自定义层中使用np.random.random()，因此该操作将仅在构建模型时执行。只要您通过模型运行数据，就不会运行它。换句话说，该图层将仅反转输入，或者仅返回输入。要获得我认为想要的随机行为，您需要使用Keras函数（即keras.backend.random_uniform）。每次运行模型时，使用Keras函数都会生成一个随机数。
要弄清这一点，np.random.random()将在构建模型时运行一次，并且实质上将在构建时确定该层将执行的操作（即，它将仅反转输入，或者只会返回不变的输入）。另一方面，keras.backend.random_uniform()在构建模型时不会生成随机数，而是会向模型添加random_uniform操作，因此每次数据通过模型时，都会从中提取随机数此时的均匀分布。