我正在尝试在TensorFlow中实现以下内容：
Input * const
矩阵乘法 这是代码 ssValues = np.zeros（shape =（6,640,800），dtype = np.float16）
inputPlaceHolder = tf.compat.v1.placeholder(shape=(6,640,800), name='InputTensor', dtype=tf.dtypes.float16)
inputLayer = tf.keras.Input(shape=(6,640,800,),
batch_size=1,
name='inputLayer',
dtype=tf.dtypes.float16,
tensor=inputPlaceHolder)
ssConstant = tf.constant(ssValues, dtype=tf.dtypes.float16, shape=(6,640,800), name='ss')
ssm = tf.keras.layers.Multiply()([inputPlaceHolder,inputPlaceHolder])
model = tf.keras.models.Model(inputs=inputLayer, outputs=ssm)
input = np.zeros(shape=(6,640,800),dtype=np.float16)
output = model.predict(input)
我收到以下错误： ValueError：（''检查模型输入时出错：预期没有数据，但得到了：'，array（[[[[1。，1.，1.，...，1.，1.，1。]，
如何克服此错误并运行预测功能？
为什么tf.keras.layers.multiply不返回Layer对象？
答案 0 :(得分：1)
使用Input(shape)时已经有一个占位符。创建占位符以将其传递给Input(tensor=placeholder)是没有意义的，因为Keras并非如此。
您必须：
inputs = Input(shape=(6,640,800))
ssm_tensor = Multiply()([inputs, inputs])
model = Model(inputs, ssm)
由于Keras始终具有批次大小，因此：
input = np.zeros(shape=(1,6,640,800))
答案 1 :(得分：1)
您的问题来自以下事实：您在v1占位符上声明了您的操作，而该操作仅应使用inputLayer（它已充当遵循所提供规范的输入的占位符）。
此外，当我认为您想要$ x \ times constant $时，您编写了一个返回$ x \ times x $的乘法；所以这是代码：
inputLayer = tf.keras.Input(shape=(6,640,800,),
batch_size=1,
name='inputLayer',
dtype=tf.dtypes.float16)
ssConstant = tf.constant( # also fixed a shape issue here
ssValues, dtype=tf.dtypes.float16, shape=(1, 6,640,800), name='ss'
)
ssm = tf.keras.layers.Multiply(dtype=tf.dtypes.float16)([inputLayer, ssConstant])
model = tf.keras.models.Model(inputs=inputLayer, outputs=ssm)
inputs = np.zeros(shape=(1,6,640,800), dtype=np.float16)
output = model.predict(inputs)
此外，由于这不是实际模型，因此从某种意义上来说，它使用的是恒定且不可学习的权重，因此您可能希望使用tf.keras.backend.function而不是tf.keras.Model（但这实际上取决于您）。
请注意，形状可能与您实际想要的形状不符，批大小为1 ...请考虑使用批大小为6来删除无用的尺寸。