值错误：不是符号十的输入

Question

我是python新手，正在进行一个图像处理项目，并构建了下面的模型。我把错误贴在模型下面。

在我的研究中，我发现了一些关于这个错误的答案：

Merge 2 sequential models in Keras 上面的问题是连接2个模型而不是连接2个层

https://keras.io/getting-started/functional-api-guide/#multi-input-and-multi-output-models 在keras示例中，连接2层，但1层是输入层。我想了解如何连接2个常规层，并使用连接层作为层序列中的层。类似于初始模型的概念。

   input
  /  |  \
a1   b1  c1
|    |    | 
a2   b2  c2
\   |   / 
concatenate
 /  |   \
d1   e1  f1
|    |    | 
d2   e2  f2
 \   |   /
  output

以上是我的最终目标：）

def fet_Model():

bnd_input = Input(shape=input_shape)

k31 = Conv2D(128, kernel_size=(3, 3), activation='relu', padding='same')(bnd_input)
k31 = Conv2D(128, kernel_size=(3, 3), activation='relu', padding='same')(k31)
k31 = MaxPooling2D(pool_size=(3, 3), strides=(2, 2))(k31)

in_ly1_cv_1n1 = Conv2D(32, kernel_size=(1, 1), activation='relu', padding='same')(k31)
in_ly1_cv_3n3 = Conv2D(64, kernel_size=(3, 3), activation='relu', padding='same')(in_ly1_cv_1n1)
in_ly1_cv_5n5 = Conv2D(64, kernel_size=(5, 5), activation='relu', padding='same')(in_ly1_cv_1n1)

in_ly1_mx_pl = MaxPooling2D(pool_size=(3, 3), strides=(1, 1), padding='same')(k31)
in_ly1_mxcv_1n1 = Conv2D(32, kernel_size=(1, 1), activation='relu', padding='same')(in_ly1_mx_pl)

filt_concat1 = Concatenate([in_ly1_mxcv_1n1, in_ly1_cv_5n5, in_ly1_cv_3n3, k31])

# when running the below line I receive the error
in_ly2_cv_1n1 = Conv2D(32, kernel_size=(1, 1), activation='relu', padding='same')(filt_concat1)
in_ly2_cv_3n3 = Conv2D(64, kernel_size=(3, 3), activation='relu', padding='same')(in_ly2_cv_1n1)
in_ly2_cv_5n5 = Conv2D(64, kernel_size=(5, 5), activation='relu', padding='same')(in_ly2_cv_1n1)

in_ly2_mx_pl = MaxPooling2D(pool_size=(3, 3), strides=(1, 1))(filt_concat1)
in_ly2_mxcv_1n1 = Conv2D(32, kernel_size=(1, 1), activation='relu', padding='same')(in_ly2_mx_pl)

filt_concat2 = Concatenate([in_ly2_mxcv_1n1, in_ly2_cv_5n5, in_ly2_cv_3n3, k31])

lst_ly_avg_pl = AveragePooling2D(pool_size=(3, 3), strides=(2, 2))(filt_concat2)

lst_ly_cnv2 = Conv2D(32, kernel_size=(1, 1), activation='relu', padding='same')(lst_ly_avg_pl)

lst_ly_den = Dense(1, activation='sigmoid')(lst_ly_cnv2)

model = Model(inputs=bnd_input, outputs=lst_ly_den)

optimizer = Adam(lr= 0.002, beta_1=0.99, beta_2=0.999, epsilon=1e-08, decay=0.01)

model.compile(loss='binary_crossentropy', optimizer=optimizer, metrics=['accuracy'])

return model

错误：

Traceback (most recent call last):
   K.is_keras_tensor(x)
   raise ValueError('Unexpectedly found an instance of type `' + 
str(type(x)) + '`. '
ValueError: Unexpectedly found an instance of type `<class 'keras.layers.merge.Concatenate'>`. Expected a symbolic tensor instance.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
   exec(code_obj, self.user_global_ns, self.user_ns)
File "<ipython-input-194-ebff784b774c>", line 1, in <module>
   in_ly2_cv_1n1 = Conv2D(32, kernel_size=(1, 1), activation='relu', padding='same')(filt_concat1)
   self.assert_input_compatibility(inputs)
   str(inputs) + '. All inputs to the layer '
ValueError: Layer conv2d_41 was called with an input that isn't a symbolic tensor. Received type: <class 'keras.layers.merge.Concatenate'>. Full input: [<keras.layers.merge.Concatenate object at 0x1cee082b0>]. All inputs to the layer should be tensors.

Answer 1

我想你需要Concatenate(axis=-1)([tensor_1, tensor_2])。

Answer 2

我无法重建你的问题。你的代码对我很有用。 尝试更新keras，然后再次运行。 如果使用水蟒，请执行以下操作：

conda update --all
conda -n root update conda

Answer 3

进一步解释@thepartofspeech answers（https://stackoverflow.com/a/51624786/8096768）。

来自连接层（https://keras.io/layers/merge/#concatenate）上的keras文档

---

keras.layers.Concatenate(axis=-1)

连接输入列表的层。

它接受一个张量列表作为输入，除了连接轴之外，所有张量都是相同的形状，并返回一个张量，即所有输入的连接。

---

在这种情况下，应该使用连接层上的axis=-1选项直接调用该层，然后是输入张量，例如

filt_concat1 = Concatenate(axis=-1)([in_ly1_mxcv_1n1, in_ly1_cv_5n5, in_ly1_cv_3n3, k31])

注意：我没有尝试使用超过2个输入张量-但在2个输入的情况下，它是有效的。

我希望这能有帮助。