machine-learning - 类型错误 : 'Tensor' object is not callable

Question

我正在尝试显示卷积神经网络每一层的输出。我使用的后端是 TensorFlow。这是代码:

import ....
from keras import backend as K

model = Sequential()

model.add(Convolution2D(32, 3, 3, input_shape = (1,28,28))) 
convout1 = Activation('relu')
model.add(convout1)

(X_train, y_train), (X_test, y_test) = mnist_dataset = mnist.load_data("mnist.pkl")
reshaped = X_train.reshape(X_train.shape[0], 1, X_train.shape[1], X_train.shape[2])


from random import randint
img_to_visualize = randint(0, len(X_train) - 1)


# Generate function to visualize first layer
# ERROR HERE
convout1_f = K.function([model.input(train=False)], convout1.get_output(train=False))   #ERROR HERE
convolutions = convout1_f(reshaped[img_to_visualize: img_to_visualize+1])

完整的错误是:

convout1_f = K.function([model.input(train=False)], convout1.get_output(train=False)) TypeError: 'Tensor' object is not callable

任何评论或建议都将受到高度赞赏。谢谢。

Answer 1

get_output 和 get_input 方法都返回 Theano 或 TensorFlow 张量。由于该对象的性质，它不可调用。

为了编译函数，您应该仅提供层张量和一个名为 learning_phase 的特殊 Keras 张量，它设置应调用模型的选项。

关注此answer你的函数应该是这样的:

convout1_f = K.function([model.input, K.learning_phase()], convout1.get_output)

请记住，调用函数时需要传递 True 或 False，以便在学习或训练阶段模式下进行模型计算。