ValueError：模型的输出张量必须是具有 tf.keras Lambda 层的 TensorFlow 层的输出答案

【问题标题】：ValueError: Output tensors to a Model must be the output of a TensorFlow Layer with tf.keras Lambda layerValueError：模型的输出张量必须是具有 tf.keras Lambda 层的 TensorFlow 层的输出
【发布时间】：2018-07-24 20:03:22
【问题描述】：

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 tf 将 lambda 层的输出解释为张量（而不是层）目的。

错误是：“ValueError: Output tensors to a Model must be the output of a TensorFlow Layer (因此保存过去的层元数据)。找到：Tensor("Discriminator/mullayer/mul:0", shape=( 2, 2), dtype=float32)"

下面附上代码

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 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，那么 keras 的后端 K 在 tf.keras 中的等价物是什么？

谢谢

【问题讨论】：

标签： python tensorflow keras

【解决方案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，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Model 时添加它。

如果您想在不作为输入的情况下使用常量值，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。

如果您只想测试您的 Lambda 层：

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

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

【讨论】：