时间戳

首页 > 解决方案 > 无法在 keras 中连接两个输入层。

python - 无法在 keras 中连接两个输入层。

问题描述

我正在尝试使用以下代码：

import tensorflow as tf 

from keras.layers import Input, Dense
from keras.models import Model, Sequential
from keras.layers import Conv2D, Concatenate
from keras.utils.vis_utils import plot_model

if __name__ == '__main__':
    imgRows = imgCols = 28
    print ("ImgRow and imgCols " , imgRows, imgCols)
    inputLayer = Input(shape=( 1,28,28))

    conv1 = Conv2D(64,(3,3),strides=1, padding="same", activation='relu') (inputLayer)

    #Residual 1 
    skip = Conv2D(128, (1,1), strides=1, padding="same", activation='relu') (conv1)
    conv1 = Conv2D(128, (3,3), strides=3, padding="same", activation='relu') (skip)
    conv1 = Conv2D(128, (3,3), strides=3, padding="same", activation='relu') (conv1)
    r1= Concatenate([skip, conv1])


    #residual 2 
    conv1 = Conv2D(128, (3,3), strides=3, padding="same", activation='relu') (r1)
    conv1 = Conv2D(128, (3,3), strides=3, padding="same", activation='relu') (conv1)

    conv1= Concatenate([r1, conv1])

    # Residual 3 
    skip = Conv2D(256, (1,1), strides=1, padding="same", activation='relu') (conv1)
    conv1 = Conv2D(256, (3,3), strides=3, padding="same", activation='relu') (conv1)
    conv1 = Conv2D(256, (3,3), strides=3, padding="same", activation='relu') (conv1)
    conv1= Concatenate([skip, conv1])
    out =  Conv2D(1, (1,1), strides=1, padding="same", activation='sigmoid') (conv1)



    #model =  Sequential()
    #model.add (inputLayer)
    #model.add ( conv1)

    model = Model(input=inputLayer, output=conv1)

    model.compile(optimizer=Nadam(lr=1e-5), loss="mean_square_error")

    plot_model (model, to_file="./keestu_model.png", show_shapes=True)

我收到以下错误：

错误信息是：

ValueError: Layer conv2d_5 was called with an input that isn't a 
symbolic tensor. Received type: <class 'keras.layers.merge.Concatenate'>. 
Full input: [<keras.layers.merge.Concatenate object at 0x7fd543841590>]. 
       All inputs to the layer should be tensors.

问题？：

错误消息对我来说非常清楚，第 5 层期望其输入作为张量对象而不是连接对象。但是我该如何解决呢？

标签： pythontensorflowkerasresnet

解决方案

那是因为Concatenate是一个具有两个 API 版本的层类：

  • Concatenate()([tensor1, tensor2])创建一个新的连接实例并应用于给定的张量。这是标准的函数式 API 风格。
  • concatenate([tensor1, tensor2])将实现相同的目标，但会为您创建一个隐式实例。从文档中：

    keras.layers.concatenate(inputs, axis=-1)：连接层的功能接口。

顺便说一下，为了方便，所有合并层都有这个双重接口。

推荐阅读