python - ValueError : Output tensors to a Model must be the output of a TensorFlow Layer with tf. keras Lambda层

Question

我尝试使用 tf.keras.layers.Lambda 函数的输出作为 tf.keras 模型中的最后一层，但 tf 将 lambda 层的输出解释为张量(而不是层)目的。

错误是:“ValueError:模型的输出张量必须是 TensorFlow Layer 的输出(因此保存过去的层元数据)。发现:Tensor(“Discriminator/mullayer/mul:0 “，形状=(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 float ，我怀疑这可能是问题的一部分。如果是这样，tf.keras 中 keras 的后端 K 相当于什么？

谢谢

Answer 1

test 不是来自任何被视为 Keras 层的地方。

如果 test 打算作为模型的输入，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，您应该记住在定义模型时添加它。

如果您希望使用常量值而不将其作为输入，则必须不将其作为图层的“输入”传递。您只需从图层内部引用它，或者在图层内部创建它。

<小时/>

如果您只想测试 Lambda 层:

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

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