Keras根据阈值将中间层的输出设置为0或1

我有一个模型，其中有“分类”和“回归”之类的部分。我使用乘法层合并它们。在执行乘法之前，我想根据阈值将分类部分的输出设置为 0 或 1。我尝试将 Lambda 层与自定义函数一起使用，如下所示，但是我遇到了各种错误，并且我对这些错误一无所知。在我进行过程中一一解决它们并不能增加我的理解。谁能解释如何定义修改值的自定义 Lambda 层函数？

我当前的 Lambda 层函数：（由于无法工作FailedPreconditionError: Attempting to use uninitialized value lstm_32/bias)

def func(x):    
    a = x.eval(session=tf.Session())
    a[x < 0.5] = 0
    a[x >= 0.5] = 1
    return K.variable(a)

回归部分：

input1 = Input(shape=(1, ))
model = Sequential()
model.add(Embedding(vocab_size + 1, embedding, input_length=1))
model.add(LSTM(hidden, recurrent_dropout=0.1, return_sequences=True))
model.add(LSTM(6))
model.add(Reshape((3,2)))
model.add(Activation('linear'))

分类部分：

input2 = Input(shape=(1, ))
model2 = Sequential()
model2.add(Embedding(vocab_size + 1, embedding, input_length=1))
model2.add(LSTM(hidden, recurrent_dropout=0.1, return_sequences=True))
model2.add(LSTM(1))
model2.add(Activation('sigmoid'))
model2.add(???)  # need to add 0-1 thresholding here

合并两部分：

reg_head = model(input1)
clf_head = model2(input2)    
merge_head = multiply(inputs=[clf_head, reg_head])
m2 = Model(inputs=[input1, input2], outputs=merge_head)

In func， 你不能eval张量。

使用张量的想法是，它们在整个模型中从头到尾保持“连接”（他们称之为图表）。这种连接允许模型计算梯度。如果您评估张量并尝试使用这些值，您将断开连接。

此外，为了获取张量的实际值，您需要输入数据。并且输入的数据只有在调用时才会存在fit, predict，以及类似的方法。在构建阶段没有数据，只有表示和连接。

仅使用张量的可能函数是：

def func(x):

    greater = K.greater_equal(x, 0.5) #will return boolean values
    greater = K.cast(greater, dtype=K.floatx()) #will convert bool to 0 and 1    
    return greater 

不过要小心！这将是不可微分的。从现在开始，这些值将在模型中被视为常量。这意味着在训练期间不会更新此点之前的权重（您不会通过以下方式训练分类模型）m2，但您仍然可以从中训练它model2）。有一些奇特的解决方法，如果您需要它们，请写评论。

在一个中使用这个函数Lambda layer:

model.add(Lambda(func, output_shape=yourOutputShapeIfUsingTheano))