TensorFlow转换为Keras张量

Question

我正在尝试使用博客信息混合TensorFlow张量和Keras张量：

但是在最后一层输出需要是Keras张量而不是TensorFlow张量时，问题就出现了。是否有一种简单的方法来进行转换？或者是否有一个Keras函数可以进行双线性调整？

finalOut = predict_flow2
finalOut = tf.image.resize_bilinear(finalOut, tf.stack([h, w]), align_corners=True)
model = Model(input=input, output=finalOut)
model.summary()

错误信息：

类型错误：模型的输出张量必须是Keras张量。找到的是：Tensor("ResizeBilinear:0", shape=(?, 320, 1152, 2), dtype=float32)

- user9200689

Answer 1

我的意思是，我不知道predict_flow2是什么。我会假设它是一个Keras张量，但如果不是，您可以推广我的回答。

模型由层组成，这些层并不完全是函数。要像这样使用TF函数（或任何函数），您需要将它们包装在Lambda层周围：

import numpy as np
import tensorflow as tf
from keras import Input, Model
from keras.layers import Lambda


x = Input((224, 224, 3))
h, w = 299, 299

y = Lambda(lambda inputs: tf.image.resize_bilinear(inputs,
                                                   tf.stack([h, w]),
                                                   align_corners=True))(x)
model = Model(inputs=x, output=y)
model.summary()

p = model.predict(np.random.randn(1, 224, 224, 3))
print('shape:', p.shape)

这将输出：

Using TensorFlow backend.
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 224, 224, 3)       0         
_________________________________________________________________
lambda_1 (Lambda)            (None, 299, 299, 3)       0         
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________

shape: (1, 299, 299, 3)

- ldavid