我正在尝试使用tf.keras.layers.Lambda函数的输出作为tf.keras模型中的最后一层,但是tf将lambda图层的输出解释为Tensor(而不是Layer)对象 .
错误是:“ValueError:模型的输出张量必须是TensorFlow Layer
的输出(因此保持过去的图层元数据) . 发现:Tensor("Discriminator/mullayer/mul:0",shape =(2,2),dtype = float32)”
代码附在下面
from tensorflow.contrib.keras import layers, models
#lots of stuff up here, all working fine...
logits = layers.Dense(1, name=name+'fc')(x)# x works fine
mullayer = layers.Lambda(lambda x: x * self.alphaVal,name = "mullayer")
test = tf.constant([1.0],shape = (2,2))
testOut = mullayer(test)
outputs = [logits, testOut]
self.disc = models.Model(inputs=inp, outputs=outputs)
'self.alphaVal'不是一个keras变量,只是一个浮点数,我怀疑它可能是问题的一部分 . 如果是这样,那么在tf.keras中keras的后端K相当于什么?
谢谢
1 回答
test
不是来自任何被认为是Keras层的地方 .如果
test
打算成为模型的输入,则它必须是:作为具有两个输入的模型,您应该记住在定义
Model
时添加它 .如果要在不将其作为输入的情况下使用常量值,则必须 not 将其作为图层的"input"传递 . 您只需从图层内部引用它,或者在图层内创建它 .
如果您只想测试Lambda图层: