Я строил модель в Keras, используя некоторую функцию tensorflow (reduce_sum и l2_normalize) в последнем слое, столкнувшись с этой проблемой. Я искал решение, но все это связано с "тензором Keras".
Вот мой код:
import tensorflow as tf;
from tensorflow.python.keras import backend as K
vgg16_model = VGG16(weights = 'imagenet', include_top = False, input_shape = input_shape);
fire8 = extract_layer_from_model(vgg16_model, layer_name = 'block4_pool');
pool8 = MaxPooling2D((3,3), strides = (2,2), name = 'pool8')(fire8.output);
fc1 = Conv2D(64, (6,6), strides= (1, 1), padding = 'same', name = 'fc1')(pool8);
fc1 = Dropout(rate = 0.5)(fc1);
fc2 = Conv2D(3, (1, 1), strides = (1, 1), padding = 'same', name = 'fc2')(fc1);
fc2 = Activation('relu')(fc2);
fc2 = Conv2D(3, (15, 15), padding = 'valid', name = 'fc_pooling')(fc2);
fc2_norm = K.l2_normalize(fc2, axis = 3);
est = tf.reduce_sum(fc2_norm, axis = (1, 2));
est = K.l2_normalize(est);
FC_model = Model(inputs = vgg16_model.input, outputs = est);
и затем ошибка:
ValueError: выходные тензоры для модели должны быть результатом
Layer
TensorFlow (таким образом сохраняя метаданные промежуточногоLayer
). Найдено: Тензор ("l2_normalize_3: 0", shape = (?, 3), dtype = float32)
Я заметил, что без прохождения уровня fc2 к этим функциям модель отлично работает:
FC_model = Model(inputs = vgg16_model.input, outputs = fc2);
Может кто-нибудь, пожалуйста, объясните мне эту проблему и какое-то предложение о том, как ее исправить?