Keras 使用 mask 冻结特定权重

我是 Keras 的新人。我想实现一个并非所有权重都会更新的层。例如，在下面的代码中，我想要dilation图层将以某些中心权重永远不会更新的方式进行更新。例如，每个特征矩阵（共 1024 个）的形状dilation层是448, 448和一块8x8所有特征矩阵的中心永远不会更新，即8x8block 是特征矩阵的（不可训练的）掩模。

input_layer=Input(shape=(896,896,3))
new_layer = Conv2D(32, kernel_size=(3,3), padding="same", activation='relu', kernel_initializer='he_normal')(input_layer)
new_layer = MaxPooling2D(pool_size=(2, 2), strides=(2,2), padding='same', data_format=None)(new_layer)
new_layer = Conv2D(64, kernel_size=(3,3), padding='same', activation='relu', kernel_initializer='he_normal')(new_layer)
new_layer = Conv2D(1024, kernel_size=(7,7), dilation_rate=8, padding="same", activation='relu', kernel_initializer='he_normal', name='dialation')(new_layer)
new_layer = Conv2D(32, kernel_size=(1,1), padding="same", activation='relu', kernel_initializer='he_normal')(new_layer)
new_layer = Conv2D(32, kernel_size=(1,1), padding="same", activation='relu', kernel_initializer='he_normal')(new_layer)

model = Model(input_layer, new_layer)

我正在尝试使用 Keras 的custom layer [link] https://keras.io/layers/writing-your-own-keras-layers/，但我很难理解。任何人都请帮忙。

UPDATE： 为了更好地理解，我添加了下图。膨胀层包含 1024 个特征。我希望每个特征的中间区域是不可训练的（静态）。

对于这两种情况都使用此掩码：

mask = np.zeros((1,448,448,1))
mask[:,220:228,220:228] = 1

替换部分功能

如果将部分特征替换为常量值，这意味着该特征将是静态的，但它仍然会参与反向传播（因为图像的这部分权重仍然会相乘并求和，并且存在连接）

constant = 0 (will annulate kernel, but not bias) 

def replace(x):
    return x*(1-mask) + constant*mask

#before the dilation layer
new_layer=Lambda(replace)(new_layer) 

保持特征值，但停止反向传播

这里，膨胀层及以后的权重会正常更新，但膨胀层之前的权重不会受到中心区域的影响。

def stopBackprop(x):
    stopped=K.stop_gradients(x)
    return x*(1-mask) + stopped*mask

#before the dilation layer
new_layer=Lambda(stopBackprop)(new_layer)