TypeError：模型的输出张量必须是Keras张量

Question

我想拍摄输入图像img （也有负值）并将其输入两个激活层。 但是，我想进行一个简单的转换，例如将整个图像乘以-1.0 ：

left = Activation('relu')(img)
right = Activation('relu')(tf.mul(img, -1.0))

如果我这样做，我得到：

TypeError: Output tensors to a Model must be Keras tensors. Found: Tensor("add_1:0", shape=(?, 5, 1, 3), dtype=float32)

我不知道如何解决这个问题。 是否有一个Keras side mul()方法可以用于这样的事情？ 或者我可以以某种方式包装tf.mul(img, -1.0)的结果，以便我可以将其传递给Activation ？

请注意：负值可能很重要。 因此，将图像转换为最小值仅为0.0不是解决方案。

---

我得到了同样的错误

left = Activation('relu')(conv)
right = Activation('relu')(-conv)

---

同样的错误：

import tensorflow as tf

minus_one = tf.constant([-1.])

# ...

    right = merge([conv, minus_one], mode='mul')

Answer 1

创建一个Lambda图层来包装你的功能吗？

请参阅此处的 doc

from keras.layers import Lambda
import tensorflow as tf

def mul_minus_one(x):
    return tf.mul(x,-1.0)
def mul_minus_one_output_shape(input_shape):
    return input_shape

myCustomLayer = Lambda(mul_minus_one, output_shape=mul_minus_one_output_shape)
right = myCustomLayer(img)
right = Activation('relu')(right)