我收到“来自未知节点的请求张量连接：”keras_layer_input:0“。加载keras模型时出错
这个错误信息表示在加载Keras模型时出现了问题，具体来说是由于收到了一个名为"keras_layer_input:0"的张量连接的请求。根据这个错误信息，可以进行以下步骤来解决问题：
- 确保模型文件存在：首先确认你要加载的Keras模型文件是否存在，并且路径正确。
- 检查模型文件格式：确保你要加载的模型文件是符合Keras要求的格式，通常是.h5或者.hdf5格式。
- 检查模型结构：查看你的模型的结构是否正确，确保模型的输入层名称与请求中提到的张量连接名称一致。可以使用Keras提供的
model.summary()方法来查看模型的结构。 - 检查模型权重文件：如果你的模型有对应的权重文件（通常是.h5或.hdf5格式），请确保该权重文件与模型文件在同一目录下，并且文件名匹配。
- 确保依赖库完整：确保你的开发环境中安装了正确的依赖库，并且版本匹配。建议使用Anaconda或虚拟环境来管理你的环境，并按照Keras官方文档提供的方式安装依赖库。
如果以上步骤都没有解决问题，你可以尝试以下措施：
- 更新Keras版本：检查你的Keras版本是否是最新的，如果不是，可以尝试更新到最新版本，可能会修复一些已知的问题。
- 检查模型的输入维度：检查你的输入数据维度是否与模型期望的输入维度匹配，如果不匹配，可以尝试调整输入数据的维度。
- 检查其他错误信息：查看完整的错误信息，可能会提供更多的线索来解决问题。你可以将完整的错误信息提供出来，以便更好地帮助你解决问题。
针对这个问题，腾讯云提供了一系列与深度学习相关的产品和服务，例如腾讯云AI智能机器学习平台（https://cloud.tencent.com/product/aiml）和腾讯云GPU计算服务（https://cloud.tencent.com/product/cvm-gpu）等。你可以根据你的需求选择相应的产品来支持你的深度学习应用。
相关·内容
1回答
我有两种类似结构的模型(model_a，model_b) (VGG16架构有一个替换的顶层块)。我需要连接两个模型的最后一层的输出，以便作为输入发送到一个注意机制。
我运行以下代码行以进行连接：
merged = Concatenate()([model_a.layers[-1].layers[-1], model_b.layers[-1].layers[-1]])
(model_a.layers[-1]是一个顺序对象的顶部块，model_a.layers[-1].layers[-1]是一个密集的层。)
但是，当我尝试这样做时，我会收到以下错误：
调用层concatenate_8的输入不是符号
浏览 4提问于2020-05-07得票数 0
我想使用一个经过预先训练的模型，并在该模型的末尾添加一个分段头，但问题是，我只有一个‘冻结_推断_Graph.pb’。下面是我从模型中得到的文件：
我尝试过几种方法：
1.将经过预先训练的模型加载到Keras模型中：，使用我所拥有的文件似乎是不可能的。它只是给了我一个AutoTrackable对象，而不是模型。
2.访问冻结模型的张量对象并使用张量建立模型：我找到了如何访问张量，但无法使用张量对象创建Keras模型。
with self.graph.as_default():
graph = tf.import_graph_def(graph_def, name='&
浏览 2提问于2020-08-22得票数 1
在我的Keras模型中，我试图将形状未知的张量(但固定的秩)放置到固定的形状上。张量是string型的，所以我不能使用tf.keras.preprocessing.sequence.pad_sequences或tf.image.pad_to_bounding_box。
我想使用tf.pad，但问题是我不知道张量的形状，所以我必须动态地计算填充长度。我怎么能这么做？
我目前的方法是这样的，但不起作用：
def pad_to_length(t: tf.Tensor, target_length: int):
return tf.pad(t, [0, target_length-t.shap
浏览 5提问于2022-01-18得票数 1
1回答
我试图得到一个角星模型，我把它转换成tensorflowJS，在反应本机中工作，但是在预测图像张量时会出现错误。
我训练了一个定制的tensorflow keras模型，并将keras h5模型转换为JavaScript JSON模型。在中，我使用了带有tensorflow的世博相机来捕捉图像，以预测所捕获图像上的损害。
在这里，我已经包含了在我的项目中使用的版本，用于转换和预测模型的命令。
版本使用
">=45.0.0-0 <46.0.0“、”博览会-照相机“："~12.2.0”、“世博-gl”："~11.3.0“、”世博-gl-cpp“："~
浏览 11提问于2022-10-27得票数 1
1回答
可变批量张量的显式广播
、、、
我正在尝试在TensorFlow2.0RC中实现一个自定义的Keras Layer，需要将一个[None, Q]形状的张量连接到一个[None, H, W, D]形状的张量上，以产生一个[None, H, W, D + Q]形状的张量。假设两个输入张量具有相同的批量大小，即使事先不知道。此外，H、W、D和Q在写入时都是未知的，但在第一次调用该层时会在该层的build方法中进行求值。我遇到的问题是，为了连接，把[None, Q]形状的张量传播到[None, H, W, Q]形状的张量。 下面是一个尝试使用从shape [None, 3]到shape [None, 5, 5, 3]执行可变批量广
浏览 6提问于2019-08-30得票数 1
回答已采纳
我正在尝试在TensorFlow中实现两个张量之间的加权平均，其中权重可以自动学习。按照关于如何为keras模型here设计自定义层的建议，我的尝试如下： class WeightedAverage(tf.keras.layers.Layer):
def __init__(self):
super(WeightedAverage, self).__init__()
init_value = tf.keras.initializers.Constant(value=0.5)
self.w = self.add_weight(name=
浏览 16提问于2020-06-26得票数 2
回答已采纳
我正在尝试下面的代码来保存和加载TF，该模型有一个以initial_states作为输入的LSTM层。但是当我试图加载模型时，我得到了错误
ValueError__：lstm层期望有1个输入，但它接收到3个输入张量。接收到的输入：<tf.Tensor‘reshape_1/标识:0’shape=(无，5，5) dtype=float32>，<tf.Tensor‘稠密_2/标识:0’shape=(无，5) dtype=float32>，<tf.Tensor‘稠密_2/标识:0’shape=(无，5) dtype=float32>
有任何方法来加载LSTM初始状态
浏览 1提问于2020-11-23得票数 0
2回答
我想用带角的LSTM神经网络来预测时间序列的组，我在使模型与我想要的匹配方面遇到了困难。我的数据的维度如下：
输入张量：(data length, number of series to train, time steps to look back)
输出张量：(data length, number of series to forecast, time steps to look ahead)
注:我想保持尺寸完全一样，没有转位。
再现问题的虚拟数据代码是：
import numpy as np
from keras.models import Sequential
from ke
浏览 5提问于2016-10-17得票数 4
1回答
因此，我试图打印预先训练过的model.output模型的VGG16值(它是张量)，但不幸的是，下面列出的所有方法在我的情况下都不起作用，这是我从先前回答的类似问题中发现的。
( 1)首先，在文章的基础上，我尝试使用
打印(K.eval(model.output()
但是它抛出了一个错误
TypeError：“张量”对象不可调用
2)然后在浏览帖子时，我尝试使用
K.print_tensor(model.output，message='model.output = ')
方法，但这一次没有输出打印。
这是我的代码：
from keras.applicat
浏览 0提问于2019-09-16得票数 2
回答已采纳
我有一个Keras Model，它计算两个张量，r1和r2的形状相同。我想让模型计算(r1 - r2)**2。
我可以用keras.layers.add(r1, r2)取这些张量之和。我可以拿keras.layers.multiply(r1, r2)的产品。如果有一个subtract函数，我会写
r = keras.layers.subtract(r1, r2)
square_diff = keras.layers.multiply(r, r)
但似乎没有一个keras.layers.subtract函数。
与之相反，我一直在试图找出如何将输入乘以一个常数-1张量，然后再加，但我不知道如何创建
浏览 1提问于2017-05-31得票数 8
回答已采纳
1回答
因此，我目前正试图了解多输入keras模型预期的格式，而不知道如何在多个输入keras模型中提供信息。
from tensorflow.keras.models import Model
import tensorflow.keras
import tensorflow as tf
first_input = Input(2)
second_input = Input(2)
concat_layer= Concatenate()([first_input, second_input ])
hidden= Dense(2, activation="relu")(concat_l
浏览 0提问于2021-05-22得票数 0
回答已采纳
2回答
我目前正在尝试为for服务部署Keras卷积神经网络。
我曾尝试将我保存的keras hdf5模型转换为tensorflow.js模型并部署，但它减慢了客户端应用程序的运行速度，因为该模型相对健壮，因此占用了客户端内存中的大量空间。
因此，我正在尝试找出一种方法，将模型部署到云中，并通过web应用程序的请求进行预测，然后接收包含预测张量的响应。我知道gcloud可能有一些类似的能力或特性，但我不确定如何开始。
本质上，我是在问，是否有任何服务允许我部署一个预先训练并保存的卷积神经网络模型，我可以在请求中向该模型发送图像并使用该模型返回预测的张量？
浏览 14提问于2018-08-01得票数 2
1回答
角化vgg 16形状误差
、、、、
我试图用以下形状拟合数据，使其符合预先训练过的keras vgg19模型。
图像输入形状是(32383, 96, 96, 3)，标签形状是(32383, 17)，我得到了这个错误
expected block5_pool to have 4 dimensions, but got array with shape (32383, 17)
在这条线
model.fit(x = X_train, y= Y_train, validation_data=(X_valid, Y_valid),
batch_size=64,verbose=2, epochs=epochs,c
浏览 4提问于2017-07-01得票数 3
回答已采纳
在Keras模型中计算后，我得到了两个张量。它的形状是(?, 4)。我想把它们合并成一个新的张量。例如。[1, 2, 3, 4]和[5, 6, 7, 8]连接到[[1, 5], [2, 6], [3, 7], [4, 8]]。
我怎么才能得到它呢？
浏览 0提问于2018-03-14得票数 0
我试图使用tf.keras.layers.Lambda函数的输出作为tf.keras模型中的最后一个层，但是tf将lambda层的输出解释为一个张量(而不是层)对象。
错误是："ValueError:输出到模型的张量必须是TensorFlow Layer的输出(因此保存过去的层元数据)。
代码附在下面
from tensorflow.contrib.keras import layers, models
#lots of stuff up here, all working fine...
logits = layers.Dense(1, name=name+'fc'
浏览 0提问于2018-07-24得票数 1
我已经为每个项目保存了1000多个模型。现在，我需要将所有这些模型加载到内存(一个数据帧)中进行预测。如果我只是使用"for“循环来加载这些模型，那么每次加载都会比之前的模型加载慢3秒。所以我尝试使用multiprocessing.pool (ThreadPool)。 但是，奇怪的是，使用张量会导致预测"ValueError:张量张量“。如果使用正常加载，则预测很好。 我尝试线程也得到错误消息 #following code will lead to ValueError
from multiprocessing.pool import ThreadPool as Pool
浏览 21提问于2019-05-26得票数 0
什么时候应该使用Input，什么时候应该使用InputLayer？在中有一个描述，但我不知道它意味着什么。
InputLayer：
图层用作图的入口点。它可以包装现有张量(传递input_tensor参数)，也可以创建占位符张量(pass参数、input_shape或batch_input_shape以及dtype)。
输入：
Input()用于实例化Keras张量。Keras张量是来自底层后端(Theano或TensorFlow)的张量对象，我们通过某些属性进行扩展，这些属性允许我们通过了解模型的输入和输出来构建Keras模型。
浏览 4提问于2017-06-12得票数 6
在使用tensorflow_model_optimization进行QAT训练后，跟随
然后使用Keras加载量化模型将显示未知层: QuantizeLayer
tf.keras.models.load_model(keras_quantized_model_file)
浏览 3提问于2020-09-30得票数 2
1回答
我要使用这个TensorFlow来混合张量和Keras张量：
但是，当输出需要是Keras张量而不是TensorFlow张量时，问题发生在最后一层。有什么简单的方法可以直接转化吗？还是有一个Keras函数可以进行双线性调整？
finalOut = predict_flow2
finalOut = tf.image.resize_bilinear(finalOut, tf.stack([h, w]), align_corners=True)
model = Model(input=input, output=finalOut)
model.summary()
错误信息：
TypeError:将
浏览 2提问于2018-02-23得票数 5
1回答
我正在将角星h5模型量化为uint8。为了得到完全的uint8量化，用户在中告诉我，有代表性的数据集应该已经在uint8中了，否则输入层仍然在float32中。
问题是，如果我输入uint8数据，则在调用converter.convert()期间会收到以下错误
ValueError:不能设置张量:获取类型为INT8的张量，但输入FLOAT32类型为FLOAT32，名称: input_1
看起来，这个模型仍然期待着float32。所以我检查了基本的keras_vggface预训练模型()
from keras_vggface.vggface import VGGFace
import k
浏览 13提问于2020-09-10得票数 0
2回答
第四层张量如何让卷积消耗？
、、、、
我试图在tensorflow模型中添加预处理层，但无法正确地使用tf.keras.layers.Reshape。
我有一些以前的预处理层，这些图层会给TensorShape([50, 50, 3])形状的tensorflow张量带来一幅numpy图像。
我试图将这些预处理层连接到模型的第一层是一个卷积层，它需要一个四维的输入。当我调用维数Tensorshape([50,50,3])张量上的模型时，有三个维度，我得到了错误：
Input 0 of layer "Conv1" is incompatible with the layer: expected min_ndim=4,
浏览 24提问于2022-09-20得票数 1
假设我们使用TensorFlow r2.0，并且我们希望在Keras中使用子模型，所以我们有一个模型A，如下所示：
def create_model_A(in_num_units, name):
x = tf.keras.Input(shape=(in_num_units))
y = tf.keras.layers.Dense(in_num_units, activation='relu')(x)
y = tf.keras.layers.BatchNormalization()(y)
y = tf.keras.layers.Dense(in_nu
浏览 1提问于2019-10-23得票数 3
我正在为每个用例使用一些自定义网络框来构建一个小型网络，如下所示：
def top_block(dropout = None, training = None):
# scaled input
input_1 = tf.keras.Input(shape=(1,15), dtype='float32')
input_2 = tf.keras.Input(shape=(1,15), dtype='float32')
if dropout:
layer_one = tf.keras.layers.D
浏览 3提问于2020-08-20得票数 0
2回答
我试图从两个模型输出之间的差异中学习一个模型。所以我做了如下代码。但发生了错误：
TypeError:将张量输出到模型必须是Keras张量。发现:张量(“子:0”，shape=(?，10)，dtype=float32)
我已经找到了相关的答案，包括lambda，但我无法解决这个问题。有人知道这个问题吗？可以看到将张量转换为角角张量。
提前结束。
from keras.layers import Dense
from keras.models import Model
from keras.models import Sequential
left_branch = Sequentia
浏览 4提问于2017-04-26得票数 2
回答已采纳
我是张量流的新手，我正在尝试建立一个多变量(每个时间步两个特征)多步(预测未来12个时间步)预测模型。 我创建了tensorflow数据集，将其提供给我的模型:当我打印我的数据集的形状时，我发现了以下内容： <PrefetchDataset shapes: ((None, None, 2), (None, None)), types: (tf.float32, tf.float32)> 我的理解是： (None, None, 2) = Input tensor "features" : (batchSize, Timesteps input, Features
浏览 256提问于2020-04-18得票数 1
1回答
我试图从ConvNet输出中提取张量，并在TF.js的另一个模型中使用它。有没有办法将TF张量保存到文件中，然后在TF.js中加载该文件并获取张量？
浏览 13提问于2019-07-05得票数 1
我正在尝试创建一个使用Keras的tensorflow模型，它与Google的机器学习引擎兼容。我有一个现有的经过训练的Keras模型，它接受向量浮点输入。我在现有模型的前面引入了一个字符串向量输入层。这将传递要预处理的字符串。我试图使用Lambda层对图像数据进行预处理。在预处理过程中，为了解码字符串jpeg数据，我需要从张量中删除批处理维度。预处理之后，我需要重新引入“无”批处理维度。这就是我要面对的问题。似乎没有办法重新引入“无”作为批处理维度。Google引擎要求批处理维度在整个模型中始终是未知的。
Tensorflow版本: 1.12 Keras版本: 2.2.4 OS: Debia
浏览 1提问于2019-03-27得票数 1
回答已采纳
1回答
我正在编写一个python脚本，它将所有深入学习模型从流行的框架(TensorFlow、Keras、PyTorch)转换为ONNX格式。目前，我已经将用于tensorflow，用于keras到ONNX的转换，以及这些工作。
现在PyTorch已经集成了ONNX支持，所以我可以直接从PyTorch中保存ONNX模型。但问题是，我需要输入张量形状的模型，以保存在ONNX格式。正如您可能已经猜到的，我正在编写这个脚本来转换未知的深度学习模型。
是PyTorch关于ONNX转换的教程。上面写着：
ONNX导出程序是一个基于跟踪的导出程序，这意味着它只运行一次模型，并导出在运行过程中实际运行的操作符。这
浏览 10提问于2020-07-28得票数 4
回答已采纳
我正在使用tensorflow版本2，tensorflow.keras。 我做的一个模型是tf.keras.Conv2D序列(需要4D输入张量(样本，行，cols，通道)) 然后是tf.keras.convLSTM2D (需要5D输入张量(样本、时间、行、列、通道)。 由于这个原因，我使用5D张量(样本、时间、行、cols、通道)进行了输入，但在开始实现model.fit(train_data, train_data... )时不能将其输入到tf.keras.Conv2D中 有没有办法让model.fit取5D张量？
浏览 3提问于2020-01-31得票数 0
回答已采纳
2回答
当使用keras模型进行预测时，我得到以下错误 AttributeError：“Tensor”对象没有“”ndim“”属性“” 原因是权重是numpy数组，而不是张量。 那么如何将numpy数组转换为keras张量呢？
浏览 125提问于2018-10-15得票数 15
假设以下Keras模型：
model = Sequential()
model.add(Dense(512, activation='sigmoid', input_shape=(784,)))
model.add(Dense(10, activation='softmax'))
显然，我们可以通过以下方法来计算梯度：
grads = K.gradients(loss, params)
它只是打电话：
tf.gradients(loss, variables, colocate_gradients_with_ops=True)
这将返回，一个张量的列表，包含：
浏览 3提问于2017-09-13得票数 1
回答已采纳
在Keras文档中有几件事我不理解。
它从-limit, limit内部的均匀分布中抽取样本，其中极限为sqrt(6 / (fan_in + fan_out))，其中fan_in为权张量中输入单元的个数，fan_out为权张量中输出单元的个数。
在哪里我可以看到我的模型的fan_in和fan_out？这是我的模型：
Model.add(input_shape=(224,224，3))model.add(稠密(256，激活=‘relu’)) model.add(Dropout(0.5)) model.add(1，激活=‘sigmoid’)
浏览 0提问于2019-01-11得票数 0
回答已采纳
我正在尝试用TensorFlow Keras实现一个多实例学习模型。假设输入张量形状是(None, 18, 10, 300)，我需要使用submodel沿axis=1执行多实例学习。因此，submodel的输入应该是(None, 10, 300)。假设单个submodel的输出张量的形状为(None, 100)，则将submodels的输出连接起来，从而创建输出形状(None, 18, 100)。
我用两种方法实现了这个机制，它们在功能上应该相等，但是在训练模型时，第二种实现的准确率比第一种实现高20% (尽管两者都不够好)。我不知道这两种实现在功能上是否有区别？如果这两种实现都不是我想要做的
浏览 0提问于2019-07-11得票数 2
我试图从keras.layers.merge导入连接，但是得到了这个错误。
我已经将keras降级到了1.1.2。但是仍然面临着同样的错误。
给出错误的代码行是：
from keras.layers.merge import concatenate
另外，我不能根据代码从keras模型导入连接：
from keras.models import Concatenate
浏览 1507提问于2019-07-30得票数 5
1回答
我有输入图像张量与形状[?, 448, 448, 3]和我的网络预测一个边界盒与形状[?, 4]。我想切片我的图像张量与边界框张量，并调整大小的结果张量为一个固定大小的图像，以进一步处理。
对于tensorflow (或者更好的，在Keras中)，这是可能的吗？我已看过有关的问题。例如，和，但是它们不适用于索引张量和原始张量都有未知第一维的情况。
任何在正确方向上的帮助都是非常感谢的！
浏览 3提问于2017-10-15得票数 1
回答已采纳
我正在使用tensorflow上的创建一个广泛而深入的模型。
当我试图合并这两个模型时，出现了以下错误。
跟踪(最近一次调用) in () 1 merged_out = tf.keras.layers.concatenate(wide_model.output，deep_model.output) 2 merged_out = tf.keras.layers.Dense(1)(merged_out) ->3 combined_model = tf.keras.Model(inputs=wide_model.input + deep_model.input，outputs=merged_
浏览 0提问于2018-08-11得票数 2
回答已采纳
2回答
和Keras
、、、、
我一直在寻找什么是Tensorflow和Keras。他们说Tensorflow运行在KERAS之上，这意味着Tensorflow是Keras的“后端”。(虽然你可以使用其他如Theano和CNTK)
这里的“后端”术语是否意味着它在一个深度学习模型背后做了整个数学过程的事情？我的意思是，Tensorflow是一个做复杂事情的人，比如处理矩阵(张量)，做所有的数学工作？
另一方面，KERAS是我们创建模型所需要的人，对吗？一旦模型被创建，它的“后端”就是Tensorflow，对吗？因为模型要像IT一样工作(就像过程矩阵和做所有的数学工作一样)，它需要一个“后端”，即Tensorflow。
这就是
浏览 3提问于2020-06-02得票数 0
回答已采纳
1回答
我从Tensorflow开始，试图为一个简单的分类问题创建一个模型，但是我无法得到与输入和输出形状正确匹配的结果，而且当我这样做时，我不能在Keras模型上调用“预测”。
假设我想根据虚构的尺寸/尺寸来识别人。
问题似乎是，我无法得到正确的输入和输出形状匹配，当我这样做，我不能调用“预测”的Keras模型。到目前为止，我的情况如下：
#!python
import tensorflow as tf
print("TensorFlow version:", tf.__version__)
TensorFlow版本: 2.6.0
这是我想要训练模型的有限的数据集(我知道它需
浏览 4提问于2022-10-30得票数 1
回答已采纳
我正在处理Keras函数式API。对于我的实验，我使用的是Keras resnet50模型，该模型是通过以下方法获得的： model = resnet50.ResNet50(weights='imagenet') 显然，为了获得网络的最终输出，我们需要向占位符input_1提供一个值。 我的问题是，如果我输入适当维度的值，我是否可以从下图底部所示的relu层开始推断该图？ 我试着用Keras functions来实现这一点。类似于： self.inp = model.input
self.outputs = [layer.output for layer in model.l
浏览 9提问于2019-04-08得票数 0
我试图建立一个基于张量流和Keras的股票价格预测的LSTM模型。所以我试着在我的木星笔记本上安装张量流和角。我使用的是2020 MacBook Air M1。
首先，我尝试通过终端通过下面的代码安装它
conda create -n tf tensorflow
上述代码工作正常，安装成功。但是当我试图在我的木星笔记本中输入张量流时，我无法做到这一点。
然后，我试图安装张量流和角直接进入木星笔记本通过以下代码。
pip install tensorflow
pip install keras
安装是成功的。我试着用它们导入库。
from tensorflow.keras.models impo
浏览 1提问于2022-08-06得票数 1
2回答
我正在为图像分类模型使用下面的配置：
model = keras.Sequential([
keras.layers.Flatten(input_shape=(100, 100, 3)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10)
])
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logi
浏览 1提问于2020-04-27得票数 0
回答已采纳
1回答
我创建了一个基本的自定义丢失函数(返回MSE或MAE of y_true和y_pred)。但是，我得到了以下错误：
InvalidArgumentError: reshape的输入是一个包含32个值的张量，但是请求的形状有1[[节点自定义丢失/重塑“)
我传递给model.fit()的model.fit()张量的形状是(44,906,1)，我的顺序模型是：
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LocallyConnected1D(4, kernel_size=(4), strides=2,
浏览 6提问于2021-07-09得票数 0
我想使用两个包，一个是用Keras1.2编写的，另一个是用tensorflow编写的。我想使用在tensorflow中构建的架构的一部分到Keras模型中。
部分解决方案建议使用，但它适用于顺序模型。关于功能模型的建议-在Lambda层中包装预处理-不起作用。
以下代码起作用了：
inp = Input(shape=input_shape)
def ID(x):
return x
lam = Lambda(ID)
flatten = Flatten(name='flatten')
output = flatten(lam(inp))
Model(input=[inp
浏览 2提问于2017-05-24得票数 2
如果定义如下所示，是否可以将Add()函数合并到tf.keras.Sequential()模型中：
from tensorflow import keras
model = keras.Sequential([
keras.Input(shape(input_shape,)),
keras.layers.Dense(32),
keras.layers.Dense(8),
# I want to add here
keras.layers.Add()(some_var)
], name='my_model')
some_var是一个张量，
浏览 2提问于2020-05-05得票数 1
回答已采纳
类似的帖子：--首先，这两个帖子如果不是相同的话，也是相似的。我试图实现这些都是徒劳的。所以，我错过了一些东西，可能是因为我在Keras方面缺乏经验。，
问题：我有一个数据生成器来将数据输入到各种模型中，以评估模型性能和学习Keras。
model.fit_generator(generator=img_gen.next_train(), ....
这个生成器产生的输入之一是shape=batch_size，num_letters的张量“标签”。这个张量是第一个输入
K.ctc_batch_cost(labels, ....
类似于第369行。
上面的"keras示例“创建了一个RN
浏览 2提问于2019-09-29得票数 2
回答已采纳
我在Keras中实现ResNet 50时出错，我在input_tensor上设置初始化值。我目前正以这种方式使用这个模型，6天前我得到了ValueError:意外地发现了一个<class 'keras.engine.keras_tensor.KerasTensor'>类型的实例。应为符号张量实例。我尝试过使用keras_placeholder，并且工作正常，但是last_layer开始给我带来更多麻烦。我以为是关于Keras版本的，但我安装了其他版本，他们给了我一些我没有的错误。有人知道我能做什么吗？
image_input = Input(shape=(width
浏览 84提问于2021-05-30得票数 0
我正在使用keras构建一个预测糖尿病的神经网络。然而，我遇到了一个ValueError:当将符号张量提供给模型时，我们希望张量具有静态批量大小。 我试着改变输入形状，但还是卡住了。 num_classes = 2
from keras.layers import Input, Dense
from keras.models import Model
# This returns a tensor
inputs = Input(shape=(784,))
# a layer instance is callable on a tensor, and returns a tensor
x
浏览 13提问于2019-01-17得票数 1
回答已采纳
在我的中，我使用Keras的Layer.set_input()将我的Tensorflow预处理输出张量连接到我的Keras模型的输入。然而，之后的Keras版本1.1.1。
如何在较新的Keras版本中实现这一点？
示例：
# Tensorflow pre-processing
raw_input = tf.placeholder(tf.string)
### some TF operations on raw_input ###
tf_embedding_input = ... # pre-processing output tensor
# Keras model
model =
浏览 2提问于2017-02-24得票数 19
回答已采纳
1回答
我试图将模型移植到Keras。
但是，在将Conv2D层的输出连接到LSTM层时，我被卡住了。
来自CNN层的输出将具有( batch_size，512，1，width_dash)的形状，其中第一个依赖于batch_size，最后一个依赖于输入的输入宽度(该模型可以接受可变宽度输入)。
例如:一个形状为2，1，32,829的输入以(2,512，1,208)的形状输出。
现在，根据，我们必须做挤压(2)，然后是permute(2，0，1)，它将产生一个形状为208，2,512的张量。
我试图实现这是Keras，但我无法做到这一点，因为在Keras中，我们不能在keras.models.Seque
浏览 0提问于2018-01-20得票数 6
回答已采纳
1回答
下面的函数是我尝试调用的符合TF2.0的tf.keras.layers.Lambda()。inputs和outputs张量将是具有3个颜色通道的相同维度的两个图像。我的目标是从outputs张量中提取掩码，将其应用于inputs张量，然后返回结果张量。展平张量的动机是由于tf.tensor_scatter_nd_update()函数的限制。当我构造模型时，它无法初始化updates，因为indices.shape[0]是一个None值。如果我使用两个tf.constant()张量在模型外部调用这一层来初始化x，那么它在紧急执行中运行得非常好(因为x张量已经定义了值)。不幸的是，当我用tf.k
浏览 12提问于2020-01-03得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
