Keras定制的非训练层用于切换输入; “一个操作的渐变为”无“

Question

尝试在Keras（Tensorflow后端）中实现自定义“切换”图层时遇到问题。该层需要3个输入：前两个输入是图像，第三个是一些数据，可用于确定要使用的前两个输入中的哪一个，然后将该输入传递给下一层不变。

将此图层插入模型中，所有内容都可以毫无问题地编译，但是当我适应模型时，我会收到以下消息：

  

ValueError：对于渐变，操作具有None。请确保您的所有操作都定义了渐变（即可区分）。没有渐变的常见操作：K.argmax，K.round，K.eval。

我已将问题与我的模型中包含此自定义图层分开;如果我离开图层，我可以训练（虽然不使用第二和第三个输入，因为这是它们输入的唯一层。）

以下是代码：

import numpy as np
from keras.engine.topology import Layer

class SwitchLayer(Layer):
    def __init__(self, output_dim, **kwargs):
        self.output_dim = output_dim
        super(SwitchLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        super(SwitchLayer, self).build(input_shape)
        self.trainable = False


    def call(self, inputs, mask=None):
        img_one = inputs[0]
        img_two = inputs[1]


        if (np.array(inputs[2]) == np.array([1, 0])).all():
            return img_one
        return img_two

有趣的是，如果我只是在不执行检查的情况下返回img_one或img_two，那么一切正常（但当然，我会失去所需的切换）。