在 keras 中使用自定义张量流操作

我在张量流中有一个脚本，其中包含自定义张量流操作。我想将代码移植到 keras，但我不确定如何在 keras 代码中调用自定义操作。

我想在 keras 中使用tensorflow，所以到目前为止我发现的教程描述了与我想要的相反的内容：https://blog.keras.io/keras-as-a-simplified-interface-to-tensorflow-tutorial.html https://blog.keras.io/keras-as-a-simplified-interface-to-tensorflow-tutorial.html.

我还阅读了有关可以包装任意自定义函数的 Lambda 层的信息，但我没有看到 tf.ops 的示例。

如果您能提供代码片段和最简单的示例，我将非常感激。例如假设 tf.ops 为：

outC = my_custom_op(inA, inB)

- -编辑： 类似的问题已在here https://stackoverflow.com/questions/45067108/tensorflow-op-in-keras-model- 本质上是打电话this https://github.com/zplizzi/tensorflow-fast-rcnn/tree/master/tensorflow/core/user_opskeras 中的自定义操作，但是我无法掌握如何将其应用到我想要的另一个示例上的解决方案，例如this https://github.com/charlesq34/pointnet2/tree/master/tf_ops/sampling一。这个自定义的 tf 操作首先被编译（对于 GPU），然后到目前为止在张量流中使用here https://github.com/charlesq34/pointnet2/blob/master/utils/pointnet_util.py，参见@第40行。我很清楚如何使用包装在Lambda层中的自定义（lambda）函数，我想了解的是如果我使用keras，如何使用已编译的自定义操作。

您可以将任意张量流函数包装在 keras 中Lambda层并将它们添加到您的模型中。最小工作示例从这个答案 https://stackoverflow.com/questions/51523305/custom-linear-transformation-in-keras/51523393#51523393:

import tensorflow as tf
from keras.layers import Dense, Lambda, Input
from keras.models import Model

W = tf.random_normal(shape=(128,20))
b = tf.random_normal(shape=(20,))

inp = Input(shape=(10,))
x = Dense(128)(inp)
# Custom linear transformation
y = Lambda(lambda x: tf.matmul(x, W) + b, name='custom_layer')(x) 
model = Model(inp, y)