ValueError: тензоры вывода к модели должны быть результатом TensorFlow 'Layer'

Я строил модель в Keras, используя некоторую функцию tensorflow (reduce_sum и l2_normalize) в последнем слое, столкнувшись с этой проблемой. Я искал решение, но все это связано с "тензором Keras".

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);

и затем ошибка:

ValueError: выходные тензоры для модели должны быть результатом Layer TensorFlow (таким образом сохраняя метаданные промежуточного Layer). Найдено: Тензор ("l2_normalize_3: 0", shape = (?, 3), dtype = float32)

Я заметил, что без прохождения уровня fc2 к этим функциям модель отлично работает:

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

Может кто-нибудь, пожалуйста, объясните мне эту проблему и какое-то предложение о том, как ее исправить?

Ответ 1

Я нашел способ обойти эту проблему. Для тех, кто сталкивается с одной и той же проблемой, вы можете использовать слой Lambda для переноса ваших операций с тензорным потоком, 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);

Ответ 2

У меня была эта проблема, потому что я добавлял 2 тензора как x1+x2 где-то в моей модели вместо использования Add()([x1,x2]).

Это решило проблему.