TypeError:模型的输出张量必须是Keras张量

时间:2017-02-17 11:56:32

标签: python keras

我想拍摄输入图像img(也有负值)并将其输入两个激活图层。但是,我想做一个简单的转换,例如将整个图像乘以-1.0

left = Activation('relu')(img)
right = Activation('relu')(tf.mul(img, -1.0))

如果我这样做,我会得到:

TypeError: Output tensors to a Model must be Keras tensors. Found: Tensor("add_1:0", shape=(?, 5, 1, 3), dtype=float32)

我不知道如何解决这个问题。我可以使用Kerasmul()方法进行此类操作吗?或者我可以以某种方式包装tf.mul(img, -1.0)的结果,以便我可以将其传递给Activation吗?

请注意:负值可能很重要。从而转换图像s.t.最小值只是0.0不是解决方案。

我为

收到同样的错误
left = Activation('relu')(conv)
right = Activation('relu')(-conv)

同样的错误:

import tensorflow as tf

minus_one = tf.constant([-1.])

# ...

    right = merge([conv, minus_one], mode='mul')

1 个答案:

答案 0 :(得分:4)

创建Lambda图层来包装你的功能吗?

请参阅文档here

from keras.layers import Lambda
import tensorflow as tf

def mul_minus_one(x):
    return tf.mul(x,-1.0)
def mul_minus_one_output_shape(input_shape):
    return input_shape

myCustomLayer = Lambda(mul_minus_one, output_shape=mul_minus_one_output_shape)
right = myCustomLayer(img)
right = Activation('relu')(right)