ValueError: Слой Activation_1 был вызван с вводом, который не является символом c тензор - PullRequest
Новая
       3

ValueError: Слой Activation_1 был вызван с вводом, который не является символом c тензор

0 голосов
/ 06 января 2020 
from keras.layers import AveragePooling2D
from keras.models import Sequential
from keras.layers.normalization import BatchNormalization
from keras.layers.convolutional import Conv2D
from keras.layers.convolutional import MaxPooling2D
from keras.layers.core import Activation
from keras.layers.core import Flatten
from keras.layers.core import Dropout
from keras.layers.core import Dense
from keras import backend as K


class SmallerVGGNet:
    @staticmethod
    def build(width, height, depth, classes, finalAct="softmax"):

        x = (height, width, depth)
        output = -1


        # CONV => RELU => POOL
        x = (Conv2D(16, (3, 3), padding="same", input_shape=x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (MaxPooling2D(pool_size=(3, 3))(x))

        x = (Conv2D(32, (3, 3), padding="same")(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (MaxPooling2D(pool_size=(3, 3))(x))
        x = (BatchNormalization(axis=output)(x))

        # (CONV => RELU) * 2 => POOL
        x = (Conv2D(64, (3, 3), padding="same")(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (Conv2D(64, (3, 3), padding="same")(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (AveragePooling2D(pool_size=(2, 2))(x))

        # (CONV => RELU) * 2 => POOL
        x = (Conv2D(128, (3, 3), padding="same")(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (Conv2D(128, (3, 3))(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (MaxPooling2D(pool_size=(2, 2))(x))

        # first (and only) set of FC => RELU layers
        x = (Flatten()(x))
        x = (Dense(128)(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization()(x))
        x = (Dropout(0.5)(x))

        # softmax classifier
        x = (Dense(classes)(x))
        x = (Activation(finalAct)(x))

        x.summary()

        # return the constructed network architecture
[enter image description here][2]

Почему это происходит, когда я запускаю код, который говорит, что активация слоя была вызвана с вводом, который не является символом c тензор. Пожалуйста, помогите мне решить эту проблему

ValueError: Слой активации_1 был вызван с входом, который не является символом c тензор. Полученный тип:. Полный ввод: []. Все входные данные для слоя должны быть тензорами.

1 Ответ

1 голос
/ 06 января 2020

В строке x = (Conv2D(16, (3, 3), padding="same", input_shape=x)) вы ничего не указали. Поэтому, когда вы запускаете код, и он достигает строки x = (Activation("relu")(x)), где x - это слой, а не тензор, и он выдает вышеуказанную ошибку. Поэтому, как упоминалось в комментарии, вы должны передать вход в первый слой. Отредактированный код, как показано ниже (обратите внимание, что я использовал библиотеку tenorflow.keras вместо keras) 

from tensorflow.compat.v1.keras.layers import AveragePooling2D
from tensorflow.compat.v1.keras.models import Sequential, Model
from tensorflow.compat.v1.keras.layers import Input, Dense, Dropout, Flatten, Activation, BatchNormalization, Conv2D, MaxPooling2D
from tensorflow.compat.v1.keras import backend as K


class SmallerVGGNet:
    @staticmethod
    def build(width, height, depth, classes, finalAct="softmax"):

        x = (height, width, depth)
        output = -1


        # CONV => RELU => POOL
        inputs = Input(shape=x)
        x = (Conv2D(16, (3, 3), padding="same", input_shape=x)(inputs))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (MaxPooling2D(pool_size=(3, 3))(x))

        x = (Conv2D(32, (3, 3), padding="same")(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (MaxPooling2D(pool_size=(3, 3))(x))
        x = (BatchNormalization(axis=output)(x))

        # (CONV => RELU) * 2 => POOL
        x = (Conv2D(64, (3, 3), padding="same")(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (Conv2D(64, (3, 3), padding="same")(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (AveragePooling2D(pool_size=(2, 2))(x))

        # (CONV => RELU) * 2 => POOL
        x = (Conv2D(128, (3, 3), padding="same")(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (Conv2D(128, (3, 3))(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization(axis=output)(x))
        x = (MaxPooling2D(pool_size=(2, 2))(x))

        # first (and only) set of FC => RELU layers
        x = (Flatten()(x))
        x = (Dense(128)(x))
        x = (Activation("relu")(x))
        x = (BatchNormalization()(x))
        x = (Dropout(0.5)(x))

        # softmax classifier
        x = (Dense(classes)(x))
        x = (Activation(finalAct)(x))
        model = Model(inputs,x)
        model.summary()

a = SmallerVGGNet()
a.build(100,100,100,10)
...