TypeError：模型的输出张量必须是Keras张量

Question

我想输入图像img（它也有负值）并将其输入到两个激活图层中。不过，我想作一个简单的变换例如与-1.0乘以整个图像：

left = Activation('relu')(img) 
right = Activation('relu')(tf.mul(img, -1.0)) 

如果我这样做，这样我得到：

TypeError: Output tensors to a Model must be Keras tensors. Found: Tensor("add_1:0", shape=(?, 5, 1, 3), dtype=float32) 

，我不知道我怎么能解决这个问题。是否有一个Keras侧mul()的方法，我可以使用这样的事情？或者，我可以换的tf.mul(img, -1.0)不知何故这样的结果，我可以将它传递给Activation？

请注意：负值可能是重要的。因此转换图像s.t.最小的仅仅是0.0是不是在这里解决。

---

我收到了

left = Activation('relu')(conv) 
right = Activation('relu')(-conv) 

---

同样的错误了同样的错误：

import tensorflow as tf 

minus_one = tf.constant([-1.]) 

# ... 

    right = merge([conv, minus_one], mode='mul') 

Answer 1

是否创建一个lambda层来包装你的函数工作？

见文件here

from keras.layers import Lambda 
import tensorflow as tf 

def mul_minus_one(x): 
    return tf.mul(x,-1.0) 
def mul_minus_one_output_shape(input_shape): 
    return input_shape 

myCustomLayer = Lambda(mul_minus_one, output_shape=mul_minus_one_output_shape) 
right = myCustomLayer(img) 
right = Activation('relu')(right)