时间戳

首页 > 解决方案 > Tensorflow - ValueError：模型的输出张量必须是TensorFlow`Layer`的输出

python - Tensorflow - ValueError：模型的输出张量必须是TensorFlow`Layer`的输出

问题描述

我在 TensorFlow 2.0 中使用 Keras 功能 API 创建了一个 RNN，以下代码可以在其中工作

sum_input = keras.Input(shape=(UNIT_SIZE, 256,), name='sum')
x         = tf.unstack(sum_input,axis=2, num=256)
t_sum     = x[0]
for i in range(len(x) - 1):
    t_sum = keras.layers.Add()([t_sum, x[i+1]])
sum_m     = keras.Model(inputs=sum_input, outputs=t_sum, name='sum_model')

然后我不得不更改为 Tensorflow 1.13，这给了我以下错误

ValueError: Output tensors to a Model must be the output of a TensorFlow `Layer` (thus holding past layer metadata). Found: Tensor("add_254/add:0", shape=(?, 40), dtype=float32)

我不明白为什么输出张量不是来自 Tensorflow 层，因为 t_sum 是 keras.layers.Add 的输出。

我试图按照ValueError: Output tensors to a Model must be the output of a TensorFlow Layer 中的 建议将部分代码包装到 keras.layers.Lambda 中，但它似乎对我不起作用。

标签： pythontensorflowkeras

解决方案

问题不在于Add()layer 而tf.unstack()在于 - 它不是keras.layers.Layer(). 您可以将其包装为自定义层：

import tensorflow as tf

class Unstack(tf.keras.layers.Layer):
    def __init__(self):
        super(Unstack, self).__init__()
    def call(self, inputs, num=256):
        return tf.unstack(inputs, axis=2, num=num)

x = Unstack()(sum_input)

或者，您可以使用Lambda层来代替子类化：

x = tf.keras.layers.Lambda(lambda t: tf.unstack(t, axis=2, num=256))(sum_input)

推荐阅读