小编Wal*_*eed的帖子

我想用自定义keras层操纵前一层的激活.下面的图层只是将数字乘以前一层的激活.

class myLayer(Layer):

def __init__(self, **kwargs):
    super(myLayer, self).__init__(**kwargs)

def build(self, input_shape):
    self.output_dim = input_shape[0][1]
    super(myLayer, self).build(input_shape)

def call(self, inputs, **kwargs):
    if not isinstance(inputs, list):
        raise ValueError('This layer should be called on a list of inputs.')

    mainInput = inputs[0]
    nInput = inputs[1]

    changed = tf.multiply(mainInput,nInput)

    forTest  = changed
    forTrain = inputs[0]

    return K.in_train_phase(forTrain, forTest)

def compute_output_shape(self, input_shape):
    print(input_shape)
    return (input_shape[0][0], self.output_dim)

我正在创建模型

inputTensor = Input((5,))
out = Dense(units, input_shape=(5,),activation='relu')(inputTensor)

n = K.placeholder(shape=(1,))
auxInput = Input(tensor=n)
out = myLayer()([out, auxInput])

out = …

就像在 matlab 中一样，Jupyter 中是否有可能在调试模式下运行函数，其中执行在断点处暂停，而在运行模式下函数会忽略断点？在一个简单的例子中，比如

from IPython.core.debugger import set_trace

def debug(y):
    x = 10
    x = x + y 
    set_trace()
    for i in range(10):
        x = x+i
    return x

debug(10)

我们是否有可能调用该函数以使 set_trace 被忽略并且函数正常运行？

我想要这个的原因是，在我的函数中，我放置了很多设置跟踪，当我只想在没有跟踪的情况下运行时，我需要注释所有设置跟踪。有更容易的方法吗？