java 8 Lambda 如何打印这个a的值？

Posted 2023-05-08

Map<Integer, String> a = new TreeMap<Integer, String>();
a.put(1, "a");
a.put(2, "b");
//old

for (Integer c : a.keySet())
System.out.println(a.get(c));

//新的要如何写

/*
一个接口，如果只有一个显式声明的抽象方法，
那么它就是一个函数接口。
一般用@FunctionalInterface标注出来（也可以不标）
*/
public interface Inteface1
//可以不用abstract修饰
public abstract void test(int x,int y);
//public void test1();//会报错,不能有两个方法,尽管没有使用abstract修饰
public boolean equals(Object o);//equals属于Object的方法,所以不会报错


public class Test
public static void main(String args[])
Inteface1 f1=(int x,int y)->System.out.println(x+y);;
f1.test(3,4);

Inteface1 f2=(int x,int y)-> System.out.println("Hello Lambda!\\t the result is " +(x+y));;
f2.test(3,4);

参考技术A map.forEach((IntegerParam,Stringparam)->System.out.println(IntegerParam + "" + Stringparam)); 参考技术B Arrays.asList("a", "b", "c").forEach(e -> System.out.println(e));

如何有条件地缩放 Keras Lambda 层中的值？

【中文标题】如何有条件地缩放 Keras Lambda 层中的值？

【英文标题】：How to conditionally scale values in Keras Lambda layer?

【发布时间】：2019-04-09 13:30:59

【问题描述】：

输入张量rnn_pv 的形状为(?, 48, 1)。我想缩放这个张量中的每个元素，所以我尝试使用Lambda 层，如下所示：

rnn_pv_scale = Lambda(lambda x: 1 if x >=1000 else x/1000.0 )(rnn_pv)

但它来了错误：

TypeError: Using a `tf.Tensor` as a Python `bool` is not allowed. Use `if t is not None:` instead of `if t:` to test if a tensor is defined, and use TensorFlow ops such as tf.cond to execute subgraphs conditioned on the value of a tensor.

那么实现这个功能的正确方法是什么？

【问题讨论】：

我相信你想使用一些索引的x.get_shape()（从我看到的x.get_shape()[0]），因为你正在将tf.Tensor对象与integer（1000）进行比较

【参考方案1】：

您不能使用 Python 控制流语句（例如 if-else 语句）在模型定义中执行条件操作。相反，您需要使用 Keras 后端中定义的方法。由于您使用 TensorFlow 作为后端，您可以使用 tf.where() 来实现：

import tensorflow as tf

scaled = Lambda(lambda x: tf.where(x >= 1000, tf.ones_like(x), x/1000.))(input_tensor)

或者，要支持所有后端，您可以创建一个掩码来执行此操作：

from keras import backend as K

def rescale(x):
    mask = K.cast(x >= 1000., dtype=K.floatx())
    return mask + (x/1000.0) * (1-mask)

#...
scaled = Lambda(rescale)(input_tensor)

---

更新：支持所有后端的另一种方法是使用K.switch 方法：

from keras import backend as K

scaled = Lambda(lambda x: K.switch(x >= 1000., K.ones_like(x), x / 1000.))(input_tensor)