将tf.keras.layers与keras.model一起使用

是的，我到处都读到keras和tf.keras不兼容。但是您可以将tf.keras.layers传递到一个keras模型中，它确实起作用。当我尝试使用自己的模型时。。。它不起作用

如果检查Resnet50.py的resnet源代码，它们会构建如下模型

input = layers.Input(shape=input_shape)
x = layers.Dense()(x)
model = Model(input,x)

无论您是传入layers=tf.keras.layers还是传入layers=keras.layers，它都可以正常工作

演示代码：

import tensorflow as tf
import keras

# THIS WORKS!
input_shape = (224,224,3)
base_model = keras.applications.ResNet50(layers=tf.keras.layers, weights='imagenet',
                  weights='imagenet', include_top=False, pooling=None,
                  input_shape=input_shape,
                  classes=1000)

# this fails!!
input = tf.keras.layers.Input(shape=input_shape)
x = tf.keras.layers.Dense(1000,activation='relu')(input)
model = keras.Model(input, x)

我的代码产生以下错误：类型错误： 稠密类型的对象没有透镜

如何使我的工作？显然，有一种方法可以让它工作，因为keras.applications预构建模型似乎确实支持它，而且工作正常

我想使用tf.keras.layers，因为它们的batchnormalization层工作方式不同。这可能是将其放入大量现有代码库的最简单方法

我确实看到了这篇相关的stackoverflow文章，其中有相同的错误：

---

他们正确地提到这是因为tf.keras和keras不兼容。但我再次确认，将tf.keras.layers传递到keras.applications.resnet50会返回具有正确层的keras模型。不知何故。

您得出了错误的结论，

keras.applications

是一个同时支持

keras

和

tf.keras

包的模块，因为

keras.applications

使用

models.Model

，它检测您是否使用

tf.keras

或

keras

，并获取相应的模块，因此代码与实际的keras实现无关

---

keras.applications

不是混合使用

keras

和

tf.keras

，它只是支持两者。

不，你弄错了，keras.applications使用models.Model，所以它会检测你是使用tf.keras还是keras，并获取相应的模块。它不是混合keras.和tf.keras，它只是支持两者。这对我帮助很大，谢谢。