如何在Keras Lambda层中实现一维插值？

• 别用np.interp，直接换TensorFlow原生的tf.math.interp函数。numpy的操作属于静态计算，不会被Keras的计算图追踪梯度，而TensorFlow的原生函数支持自动微分，能正常传播梯度。

• 代码示例：
  原来用numpy的无梯度写法：

  from tensorflow.keras.layers import Lambda
  import numpy as np
  
  def interpolate_fn(x):
      # x[0]为带插值的原始数据，x[1]为目标查询点
      return np.interp(x[1], x[0][:,0], x[0][:,1])
  
  interp_layer = Lambda(interpolate_fn)
  

  改成TensorFlow的可微分写法：

  from tensorflow.keras.layers import Lambda
  import tensorflow as tf
  
  def interpolate_fn(x):
      # 拆分输入：x[0]是原始数据，维度为[batch_size, 点数, 2]；x[1]是目标查询点，维度为[batch_size, 查询点数]
      raw_x = x[0][:, :, 0]
      raw_y = x[0][:, :, 1]
      queries = x[1]
      # tf.math.interp参数顺序和np.interp完全一致：查询点、原始x轴值、原始y轴值
      return tf.math.interp(queries, raw_x, raw_y)
  
  interp_layer = Lambda(interpolate_fn)
  

• 要是需要多维插值（比如二维），可以用tf.image.resize或者tf.grid_sample这类TensorFlow原生插值函数，同样支持梯度传播。

内容的提问来源于stack exchange，提问作者raffale_05