AttributeError：“节点”对象没有属性“输出掩码”答案

【问题标题】：AttributeError: 'Node' object has no attribute 'output_masks'AttributeError：“节点”对象没有属性“输出掩码”
【发布时间】：2019-01-20 03:17:27
【问题描述】：

我使用 Keras 预训练模型 VGG16。问题是，在将 tensorflow 配置为使用 GPU 后，我得到了一个以前使用 CPU 时没有的错误。

错误如下：

    Traceback (most recent call last):
  File "/home/guillaume/Documents/Allianz/ConstatOrNotConstatv3/train_network.py",      line 109, in <module>
    model = LeNet.build(width=100, height=100, depth=3, classes=5)
  File "/home/guillaume/Documents/Allianz/ConstatOrNotConstatv3/lenet.py", line 39,    in build
    output = model(pretrainedOutput)
  File "/usr/local/lib/python3.6/dist-packages/keras/engine/base_layer.py", line 443, in __call__
    previous_mask = _collect_previous_mask(inputs)
  File "/usr/local/lib/python3.6/dist-packages/keras/engine/base_layer.py", line 1311, in _collect_previous_mask
mask = node.output_masks[tensor_index]
  AttributeError: 'Node' object has no attribute 'output_masks'

执行此代码后我得到它：

    pretrained_model = VGG16(
        include_top=False,
        input_shape=(height, width, depth),
        weights='imagenet'
    )
    for layer in pretrained_model.layers:
        layer.trainable = False

    model = Sequential()
    # first (and only) set of FC => RELU layers
    model.add(Flatten())
    model.add(Dense(200, activation='relu'))
    model.add(Dropout(0.5))
    model.add(BatchNormalization())
    model.add(Dense(400, activation='relu'))
    model.add(Dropout(0.5))
    model.add(BatchNormalization())

    # softmax classifier
    model.add(Dense(classes,activation='softmax'))

    pretrainedInput = pretrained_model.input
    pretrainedOutput = pretrained_model.output
    output = model(pretrainedOutput)
    model = Model(pretrainedInput, output)

EDIT1：我有 keras (2.2.2) 和 tensorflow(1.10.0rc1)。我也试过 keras 2.2.0 和同样的错误。问题是我使用的 python 环境适用于其他非预训练的 NN。

EDIT2：我可以连接两个自制模型。只有预训练的有问题，而不仅仅是 VGG16。

【问题讨论】：

我运行这段代码没有任何错误。 keras 版本（2.2.0）和 tensorflow 版本（1.8.0）。我也在用gpu
我有 keras (2.2.2) 和 tensorflow(1.10.0rc1)。我也试过 keras 2.2.0 和同样的错误。问题是我使用的 python 环境适用于其他非预训练的 NN。

标签： python tensorflow keras pre-trained-model

【解决方案1】：

您可能从tensorflow.keras 导入tf.keras.layers 或tf.keras.applications 或其他keras 模块，并将这些对象与“纯”keras 包中的对象混合，该包不兼容，具体取决于版本等。

我建议您看看是否可以从“纯”keras 模块导入和运行所有内容；调试时不要使用tf.keras，因为它们不一定兼容。我遇到了同样的问题，这个解决方案对我有用。

【讨论】：

【解决方案2】：

当我同时导入 keras 和 tenerflow.keras 时，我遇到了同样的错误： from tensorflow.keras.optimizers import Adam from keras.utils import multi_gpu_model

我将代码更改为以下内容后解决了这个问题： from tensorflow.keras.optimizers import Adam from tensorflow.keras.utils import multi_gpu_model

【讨论】：

【解决方案3】：

我有类似的问题，但是用不同的架构。随着人们的建议，重要的是与TensoRFlow.keras混合Keras，因此尝试交换代码：

from keras.preprocessing import image
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras import backend as K

到：

from tensorflow.keras.preprocessing import image 
from tensorflow.keras.models import Model 
from tensorflow.keras.layers import Dense, GlobalAveragePooling2D 
from tensorflow.keras import backend as K

还要确保，您不使用Keras.Something在您的代码中（不仅导入），希望它有所帮助：）此外，我使用了keras 2.2.4与tensorflow 1.10.0

【讨论】：

【解决方案4】：

如果您要从 tensorflow.keras.applications.vgg16 导入 VGG16，则从 tensorflow 导入所有模型

from tensorflow.keras.applications.vgg16 import VGG16
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Flatten

elif 你是从keras 导入的，比如：

from keras.applications.vgg16 import VGG16

然后使用来自keras的模型导入

from keras.models import Sequential
from keras.layers import Dense

【讨论】：