使用不是符号张量的输入调用层连接答案

【问题标题】：Layer concatenate was called with an input that isn't a symbolic tensor使用不是符号张量的输入调用层连接
【发布时间】：2020-05-07 15:16:16
【问题描述】：

我有两个结构相似的模型 (model_a,model_b)（VGG16 架构，顶部块被替换）。我需要连接两个模型最后一层的输出，以便作为输入发送到注意力机制。

我运行以下代码行进行连接：

merged = Concatenate()([model_a.layers[-1].layers[-1], model_b.layers[-1].layers[-1]])

（model_a.layers[-1] 是顶层块，是一个 Sequential 对象，model_a.layers[-1].layers[-1] 是一个密集层。）

但是，当我尝试这样做时收到以下错误：

层 concatenate_8 被调用，输入不是符号张量。接收类型：。全输入： [, ]。所有输入到层应该是张量。

我注意到 similar issues 是通过指定输入层来重新定义最后一层来修复的，但我不确定该解决方案在这里有什么帮助，因为我使用的是预定义和预训练的模型。

【问题讨论】：

试试model_a.layers[-1].layers[-1].output。 output 属性是符号张量（该层的输出）
@jakub 非常感谢！如果您可以添加评论作为答案，我可以接受它作为正确的答案:)
@jakub 实际上，当我尝试使用 Model() 方法最终组合输入和输出时，我遇到了一个错误 - 'Graph disconnected: Cannot get value of tensor Tensor Flatten..' ，但是当我将 model_a.layers[-1].layers[-1].output 更改为 model_a.output，同样对于 model_b，问题已解决。知道为什么会这样吗？

标签： python tensorflow keras deep-learning

【解决方案1】：

使用模型的.output 属性访问符号张量。

merged = Concatenate()(
    [model_a.layers[-1].layers[-1].output, model_b.layers[-1].layers[-1].output])

tensorflow.keras.layers.Layer documentation 声明以下关于Layer.output

输出：检索层的输出张量。

仅当层只有一个输出时才适用，即如果它连接到一个传入层。

关于评论

实际上，当我尝试使用 Model() 方法最终组合输入和输出时，我遇到了一个错误 - Graph disconnected: Cannot get value of tensor Tensor Flatten..，但是当我将 model_a.layers[-1].layers[-1].output 更改为 model_a.output 并且对于 model_b 也是如此，问题已解决。知道为什么吗？

不看型号代码很难说，但你可以比较model_a.layers[-1].layers[-1]和model_a.output的值。

【讨论】：

model_a.layers[-1].layers[-1] is ; model_a.output 是