属性错误：'Node'对象没有'output_masks'属性。

Question

我使用Keras预训练模型VGG16。问题在于当我将tensorflow配置为使用GPU后，出现了一个之前在使用CPU时没有过的错误。

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'

我在执行这段代码后明白了：

    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)

编辑1：我已经获得了Keras（2.2.2）和TensorFlow（1.10.0rc1）。我也尝试过Keras 2.2.0，但仍然出现相同的错误。问题是我使用的Python环境可以在其他非预训练神经网络上正常工作。

编辑2：我能够连接两个自制模型。只有在预训练模型中存在问题，而不仅仅是VGG16。

- Saroten

---

我已经成功运行了这段代码，没有出现任何错误。使用的是keras版本2.2.0和tensorflow版本1.8.0。同时，我也在使用GPU。 - Mitiku

我已经安装了keras（2.2.2）和tensorflow（1.10.0rc1）。我也尝试过在keras 2.2.0上运行，但是出现了相同的错误。问题在于我使用的Python环境可以在其他非预训练神经网络上工作。 - Saroten

Answer 1

您可能正在从tensorflow.keras导入tf.keras.layers或tf.keras.applications或其他keras模块，并将这些对象与来自“纯”keras软件包的对象混合使用，这是不兼容的，基于版本等原因。

我建议看看是否可以从“纯”keras模块中导入并运行所有内容。在调试时不要使用tf.keras，因为它们不一定兼容。我曾遇到同样的问题，而这个解决方案对我有用。

- NeurallyInspired

Answer 2

当我同时导入keras和tensorflow.keras时，遇到了相同的错误:

from tensorflow.keras.optimizers import Adam from keras.utils import multi_gpu_model

将代码更改为以下内容后，我解决了这个问题:

from tensorflow.keras.optimizers import Adam from tensorflow.keras.utils import multi_gpu_model

- ShusenTang

Answer 3

我遇到了类似的问题，但是使用了不同的架构。正如人们所建议的那样，重要的是不要将 keras 和 tensorflow.keras 混淆在一起，因此请尝试交换以下代码：

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

to:

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

另外，请确保您的代码中没有使用keras.something（不仅是导入），希望这有所帮助：）

我使用的是Keras 2.2.4与tensorflow 1.10.0

- Janusz Maj

Answer 4

如果您正在从 tensorflow.keras.applications.vgg16 导入 VGG16，则应该从 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

如果你从keras导入，可以用下面的方式：

from keras.applications.vgg16 import VGG16

然后使用从keras导入的模型

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

- shibashis