为什么keras不允许以这种方式添加卷积层？答案

【问题标题】：Why keras does not allow to add a convolutional layer in this way?为什么keras不允许以这种方式添加卷积层？
【发布时间】：2019-05-18 05:04:28
【问题描述】：

以下代码

from tensorflow import keras
from keras.layers import Conv2D

model = keras.Sequential()
model.add(Conv2D(1, (3, 3), padding='same', input_shape=(28, 28, 1)))

执行时抛出错误：

TypeError: The added layer must be an instance of class Layer. Found: <keras.layers.convolutional.Conv2D object at 0x7fea0c002d10>

我也尝试使用 Convolutional2D，但遇到了同样的错误。为什么？

【问题讨论】：

干脆不要把 tf.keras 和 keras 混在一起，它们是不兼容的。

标签： python tensorflow keras conv-neural-network

【解决方案1】：

试试这个：

from tensorflow import keras
from tensorflow.keras.layers import Conv2D

model = keras.Sequential()
model.add(Conv2D(1, (3, 3), padding='same', input_shape=(28, 28, 1)))

您正在将 tf.keras Sequential 模型与 keras Conv2D 层（而不是 tf.keras Conv2D 层）混合。

或者，如下所述，使用实际的 Keras：

import keras
from keras.models import Sequential
from keras.layers import Conv2D

model = Sequential()
model.add(Conv2D(1, (3, 3), padding='same', input_shape=(28, 28, 1)))

【讨论】：

最好不要使用 tensorflow 中的 keras，因为安装了实际的 keras。只需 import keras 而不是 from tensorflow。
我读到“Keras 是一个模型级库，不处理低级操作，这是张量操作库或后端的工作”。所以如果我们像你说的那样使用实际的 Keras，那么这些低级操作是谁做的。如果 keras 本身可以做到这一点，那么 Tensorflow 的额外添加/使用是什么。谢谢。
Keras 将使用一个后端，对大多数人来说是 TensorFlow，但也可以是另一个库。这只是在您使用的 API 实现中保持一致的问题：您可以使用 Keras 实现（并选择您的后端，可以是 TF），或者您使用 tf.keras 实现来构建您的模型。您不能在一个脚本中混合使用两者。

【解决方案2】：

你应该从 keras 模型中导入 Sequential

from keras.models import Sequential
from keras.layers import Conv2D

model = Sequential()
model.add(Conv2D(1, (3, 3), padding='same', input_shape=(28, 28, 1)))

【讨论】：