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

Question

我正在尝试将tf.keras.layers.Lambda函数的输出用作tf.keras模型中的最后一层，但是tf会将lambda层的输出解释为Tensor（与Layer相对）对象。

错误是：“ ValueError：模型的输出张量必须是TensorFlow Layer的输出（因此保留了过去的层元数据）。找到：Tensor（“ Discriminator / mullayer / mul：0”，shape =（2，2）， D型= FLOAT32）”

并且代码附在下面

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，我怀疑这可能是问题的一部分。 如果是这样，tf.keras中的keras后端K等于多少？

谢谢

Answer 1

test不是来自任何被认为是Keras层的地方。

如果test打算作为模型的输入，则必须为：

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时将其添加。

如果要在不将其用作输入的情况下使用常量值，则不得将其作为图层的“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。

---

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)))