TypeError：'Tensor'对象不可调用

Question

我正在尝试显示卷积神经网络的每一层的输出。 我正在使用的后端是TensorFlow。 这是代码：

import ....
from keras import backend as K

model = Sequential()

model.add(Convolution2D(32, 3, 3, input_shape = (1,28,28))) 
convout1 = Activation('relu')
model.add(convout1)

(X_train, y_train), (X_test, y_test) = mnist_dataset = mnist.load_data("mnist.pkl")
reshaped = X_train.reshape(X_train.shape[0], 1, X_train.shape[1], X_train.shape[2])


from random import randint
img_to_visualize = randint(0, len(X_train) - 1)


# Generate function to visualize first layer
# ERROR HERE
convout1_f = K.function([model.input(train=False)], convout1.get_output(train=False))   #ERROR HERE
convolutions = convout1_f(reshaped[img_to_visualize: img_to_visualize+1])

完整的错误是：

  

convout1_f = K.function（[model.input（train = False）]，   convout1.get_output（train = False））TypeError：'Tensor'对象不是   调用

任何评论或建议都非常感谢。谢谢。

Answer 1

get_output和get_input方法都会返回Theano或TensorFlow张量。由于这些对象的性质，它不可调用。

为了编译一个函数，你应该只提供一个层张量和一个叫做learning_phase的特殊Keras张量，它设置你的模型应该被调用的选项。

遵循此answer，您的功能应如下所示：

convout1_f = K.function([model.input, K.learning_phase()], convout1.get_output)

请记住，在调用函数时，您需要传递True或False，以便在学习或训练阶段模式下进行模型计算。