如何设置具有Tensorflow张量的Keras层的输入？

Question

在我的previous question中，我使用Keras'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。但是，在Keras版本1.1.1之后this method has been removed。

如何在较新的Keras版本中实现这一目标？

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 = Sequential()
e = Embedding(max_features, 128, input_length=maxlen)

### THIS DOESN'T WORK ANYMORE ###
e.set_input(tf_embedding_input)
################################

model.add(e)
model.add(LSTM(128, activation='sigmoid'))
model.add(Dense(num_classes, activation='softmax'))

Answer 1

完成预处理后，您可以通过调用tensor

的Input参数将张量添加为输入图层

所以在你的情况下：

tf_embedding_input = ...    # pre-processing output tensor

# Keras model
model = Sequential()
model.add(Input(tensor=tf_embedding_input)) 
model.add(Embedding(max_features, 128, input_length=maxlen))