首页 文章

ValueError：模型的输出张量必须是带有tf.keras Lambda图层的TensorFlow图层的输出

提问于
浏览 次
0

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

python tensorflow keras

1 回答

  • 0

    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：

    test = Input(tensor=tf.constant([1.0], shape=(2,2))
#there may be some implications with shape, batch size and other stuff....

    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：

    inp = Input((2,2))
out = mullayer(inp)
testModel = Model(inp,out)

testModel.predict(np.ones((1,2,2)))
    回复于

相关问题