Как превратить tf-тензор в такую ​​форму, которая может подходить керасу?

Question

Я использую keras для построения сети, однако мне нужно объявить tf-тензор для выполнения некоторых вычислений cuda в методах set_abstraction_msg и set_abstraction, а затем повернуть тензор обратно к некоторым видам форм, которые керасируютможет соответствовать и соответствовать.Как я могу это сделать?

Приведенный ниже метод обычно называется getModel, но вместо этого я назвал его pointnet2.

Приведенный ниже код в основном предназначен для первого объявления заполнителя тензорного потока,второй - вычисления cuda и применение Conv2D и BatchNormalization в методах set_abstraction_msg и set_abstraction, третье - некоторые операции Dense, BatchNormalization и Dropout.

def pointnet2(nb_classes):
    input_points = tf.placeholder(tf.float32, shape=(16, 1024, 3))
    model_input = Input(tensor=input_points)

    sa1_xyz, sa1_points = set_abstraction_msg(model_input,
                                              None,
                                              512,
                                              [0.1, 0.2, 0.4],
                                              [16, 32, 128],
                                              [[32, 32, 64], [64, 64, 128], [64, 96, 128]])

    sa2_xyz, sa2_points = set_abstraction_msg(sa1_xyz,
                                              sa1_points,
                                              128,
                                              [0.2, 0.4, 0.8],
                                              [32, 64, 128],
                                              [[64, 64, 128], [128, 128, 256], [128, 128, 256]])

    sa3_xyz, sa3_points = set_abstraction(sa2_xyz,
                                          sa2_points,
                                          [256, 512, 1024])

    # point_net_cls
    c = Dense(512, activation='relu')(sa3_points)
    c = BatchNormalization()(c)
    c = Dropout(0.5)(c)
    c = Dense(256, activation='relu')(c)
    c = BatchNormalization()(c)
    c = Dropout(0.5)(c)
    c = Dense(nb_classes, activation='softmax')(c)
    prediction = Flatten()(c)

    model = Model(inputs=model_input, outputs=prediction)

    # turn tf tensor to keras
    return model

Iпопробовал Input(tensor=input_points).Оказалось, что prediction - это тензор, который для меня префект.Но я хочу, чтобы тензор обратился к форме keras в конце, и приведенный выше код получил ошибку вроде этой в этой строке Model(inputs=model_input, outputs=prediction):

Output tensors to a Model must be the output of a TensorFlow Layer (thus holding past layer metadata). Found: Tensor("flatten/Reshape:0", shape=(16, 40), dtype=float32)

Для получения дополнительной информации полный проект кода находится здесь: https://github.com/HarborZeng/pointnet2-keras