Core ML上具有两个参数功能的自定义层

感谢这篇出色的文章（http://machinethink.net/blog/coreml-custom-layers/），我了解了如何使用coremltools和带有Keras自定义层的Lambda编写转换。但是，我对这种情况不了解，具有两个参数。

#python
def scaling(x, scale):
    return x * scale

Keras层在这里。

#python
up = conv2d_bn(mixed,
                   K.int_shape(x)[channel_axis],
                   1,
                   activation=None,
                   use_bias=True,
                   name=name_fmt('Conv2d_1x1'))
x = Lambda(scaling, # HERE !!
           output_shape=K.int_shape(up)[1:],
           arguments={'scale': scale})(up)
x = add([x, up])

在这种情况下，我怎么能写func evaluate(inputs: [MLMultiArray], outputs: [MLMultiArray])在custom MLCustomLayer class上斯威夫特？我只了解一种参数函数情况，像这样，

#swift 
func evaluate(inputs: [MLMultiArray], outputs: [MLMultiArray]) throws {
  for i in 0..<inputs.count {
    let input = inputs[i]
    let output = outputs[i]

    for j in 0..<input.count {
      let x = input[j].floatValue
      let y = x / (1 + exp(-x))
      output[j] = NSNumber(value: y)
    }
  }  
}

两个参数函数怎么样x * scale？

完整的代码在这里。

• 使用自定义层转换为Core ML模型https://github.com/osmszk/dla_team14/blob/master/facenet/coreml/CoremlTest.ipynb
• Keras的网络模型https://github.com/osmszk/dla_team14/blob/master/facenet/code/facenet_keras_v2.py

谢谢。