ValueError: Выходные тензоры в модель должны быть выходными данными TensorFlow `Layer` - PullRequest
Новая
       24

ValueError: Выходные тензоры в модель должны быть выходными данными TensorFlow `Layer`

0 голосов
/ 06 июня 2018

Я строю модель в Керасе, используя некоторую функцию тензорного потока (redu_sum и l2_normalize) в последнем слое, когда столкнулся с этой проблемой.Я искал решение, но все это было связано с «тенором Кераса».

Вот мой код: 

import tensorflow as tf;
from tensorflow.python.keras import backend as K

vgg16_model = VGG16(weights = 'imagenet', include_top = False, input_shape = input_shape);

fire8 = extract_layer_from_model(vgg16_model, layer_name = 'block4_pool');

pool8 = MaxPooling2D((3,3), strides = (2,2), name = 'pool8')(fire8.output);

fc1 = Conv2D(64, (6,6), strides= (1, 1), padding = 'same', name = 'fc1')(pool8);

fc1 = Dropout(rate = 0.5)(fc1);

fc2 = Conv2D(3, (1, 1), strides = (1, 1), padding = 'same', name = 'fc2')(fc1);

fc2 = Activation('relu')(fc2);

fc2 = Conv2D(3, (15, 15), padding = 'valid', name = 'fc_pooling')(fc2);

fc2_norm = K.l2_normalize(fc2, axis = 3);

est = tf.reduce_sum(fc2_norm, axis = (1, 2));
est = K.l2_normalize(est);

FC_model = Model(inputs = vgg16_model.input, outputs = est);

, а затем ошибка:

ValueError: Выходные тензоры в модель должны быть выходными данными TensorFlow Layer (таким образом, удерживая метаданные прошлого слоя).Найдено: Тензор ("l2_normalize_3: 0", shape = (?, 3), dtype = float32)

Я заметил, что без передачи слоя fc2 этим функциям модель работает нормально: 

FC_model = Model(inputs = vgg16_model.input, outputs = fc2);

Может кто-нибудь объяснить мне эту проблему и несколько советов, как ее исправить?

1 Ответ

0 голосов
/ 06 июня 2018

Я нашел способ обойти эту проблему.Для тех, кто сталкивается с той же проблемой, вы можете использовать слой Lambda, чтобы обернуть ваши операции тензорного потока, вот что я сделал: 

from tensorflow.python.keras.layers import Lambda;

def norm(fc2):

    fc2_norm = K.l2_normalize(fc2, axis = 3);
    illum_est = tf.reduce_sum(fc2_norm, axis = (1, 2));
    illum_est = K.l2_normalize(illum_est);

    return illum_est;

illum_est = Lambda(norm)(fc2);
...