如何使用for循环简化神经网络中带编号命名的嵌入层与展平层冗余代码

嘿，这个问题太有代表性了！重复写一堆结构完全一致的层代码，不仅看着闹心，后续维护起来也麻烦——比如要改个参数或者加新类别数据时，得挨个改，很容易出错。用for循环绝对是解决这类冗余问题的最优解，我来给你演示具体怎么操作~

首先，我们得把重复代码里变化的部分抽出来：每个Embedding层的input_dim（对应类别数据的唯一值数量）、output_dim（嵌入维度），以及对应的输入数据inp_cat_dataX。把这些参数打包成一个列表，这样循环的时候就能逐个取用。

接下来用循环批量生成嵌入层和展平层，用列表来存储这些生成的层，后续想用的时候直接通过索引调用就行。具体代码如下：

# 第一步：把所有类别数据的相关参数整理成一个列表
# 每个元素是一个元组：(唯一类别数, 嵌入维度, 对应输入数据)
cat_process_params = [
    (no_of_unique_cat(cat_data1), embedding_size(cat_data1), inp_cat_data1),
    (no_of_unique_cat(cat_data2), embedding_size(cat_data2), inp_cat_data2),
    (no_of_unique_cat(cat_data3), embedding_size(cat_data3), inp_cat_data3),
    (no_of_unique_cat(cat_data4), embedding_size(cat_data4), inp_cat_data4),
    (no_of_unique_cat(cat_data5), embedding_size(cat_data5), inp_cat_data5),
    (no_of_unique_cat(cat_data6), embedding_size(cat_data6), inp_cat_data6),
    (no_of_unique_cat(cat_data7), embedding_size(cat_data7), inp_cat_data7),
]

# 第二步：初始化两个列表，分别存储生成的嵌入层和展平层
embedding_layers = []
flattened_layers = []

# 第三步：循环遍历参数列表，批量生成层
for input_dim, output_dim, input_data in cat_process_params:
    # 创建嵌入层并添加到列表
    emb_layer = keras.layers.Embedding(input_dim=input_dim, output_dim=output_dim)(input_data)
    embedding_layers.append(emb_layer)
    # 基于嵌入层创建展平层并添加到列表
    flat_layer = keras.layers.Flatten()(emb_layer)
    flattened_layers.append(flat_layer)

这样改造后，原来十几行的冗余代码就缩成了几行，而且后续如果要新增类别数据处理，只需要在cat_process_params里加一行元组就行，不用重复写层定义。

如果之后需要用到原来的flatten1、flatten2这类变量，直接用flattened_layers[0]、flattened_layers[1]来访问就可以，效果和之前完全一样，还更灵活~

备注：内容来源于stack exchange，提问作者tuchenghung