如何在Keras中输入预训练网络的最后一层作为张量以展平

Question

我正在尝试建立一个具有两个输出的模型，一个用于分类，另一个用于回归。 我正在使用Keras的预训练VGG16作为卷积特征提取器。 但是，当我尝试在两个输出序列中构建下一个展平层时，会出现输入不是张量的错误。 如何确保仅将卷积基础的最后一层作为下一层的输入？

conv_base = VGG16(include_top = False,
                  weights = 'imagenet')
conv_base.trainable = False
with tf.variable_scope('classification_head', reuse=tf.AUTO_REUSE):
    x = Flatten()(conv_base.layers[-1])
    x = Dense()(x)

错误：

ValueError：层flatten_1的输入不是符号张量。 收到的类型：类'keras.layers.pooling.MaxPooling2D'。 完整输入：[keras.layers.pooling.MaxPooling2D对象位于0xc2855c9b0]。 该层的所有输入应为张量。

Answer 1

得到所需的张量为：

features = conv_base.output 
print(features)

张量（“ block5_pool / MaxPool：0”，shape =（?, 11，14，512），dtype = float32）