Keras ValueError:调用层conv2d_41时使用的输入为'；t是一个符号张量。层的所有输入都应该是张量

我尝试使用主干的自定义输入进行转移学习：

（我无法正常转移学习，因为我的输入形状是N*N*8，所以我需要添加小网络_1以达到N*N*3）

我的代码：

模型1.添加（模型2）

型号1是我的小型网络： 型号2为Mobilenet或VGG16或Densenet

model_1 = Sequential()
model_1.add(InputLayer(input_shape=(size, size, F), name="InputLayer"))
model_1.add(Convolution2D(3, 128, padding = 'same'))

from keras.applications.densenet import DenseNet169
model_2=DenseNet169(weights='imagenet',include_top=False)

model_2.layers.pop(0) # remove input_layer of model_2 
model_1.add(model_2) # output model_1 is input model_2?

model_1 = GlobalAveragePooling2D()(model_1)
model_1 = Dropout(0.2)(model_1)
model_1 = Dense(256*256, activation='softmax')(model_1)
model_1 = Reshape(256, 256)(model_1)

我有错误：

ValueError: Layer global_average_pooling2d_3 was called with an input that isn't a symbolic tensor. Received type: <class 'keras.engine.sequential.Sequential'>. Full input: [<keras.engine.sequential.Sequential object at 0x7f74f6621d68>]. All inputs to the layer should be tensors.

ValueError:使用非符号张量的输入调用了Layer global_average_pooling2d_3。收到的类型：。完整输入：[]。层的所有输入都应该是张量。

---

我的代码怎么了？

全局平均池2D是一个对张量或多维数组执行操作的层。因此，传递像DenseNet这样的模型架构会抛出一个错误，因为模型不知道它在看什么。模型架构文件与张量完全不同

---

要实现我认为您正试图实现的目标，请运行DenseNet，然后将DenseNet的输出传递到您正在创建的模型中，而不是传递模型本身。祝你好运

全局平均池2D是对张量或多维数组执行操作的层。因此，传递像DenseNet这样的模型架构会抛出一个错误，因为模型不知道它在看什么。模型架构文件与张量完全不同

---

要实现我认为您正试图实现的目标，请运行DenseNet，然后将DenseNet的输出传递到您正在创建的模型中，而不是传递模型本身。祝你好运

谢谢你的回答。你是说像这样的代码：``model_2.layers.pop（0）\\删除model_2的输入层model_1.add（model_2）``之后是``model=globalaveragepoolig2d（）（model_1.output）``啊，我想出来了。删除弹出命令应该可以修复它。如果有帮助，请标记为正确！抱歉，我在网上查了一下，发现其他模型在没有弹出第一层的情况下运行良好。嗯，但我的输入超过3维（N*N*8），因此，我需要小网络（网络1）在转移学习之前达到3维。网络。输出是网络的输入。请输入您的答案。你是说像这样的代码：``model_2.layers.pop（0）\\删除model_2的输入层model_1.add（model_2）``之后是``model=globalaveragepoolig2d（）（model_1.output）``啊，我想出来了。删除弹出命令应该可以修复它。如果有帮助，请标记为正确！抱歉，我在网上查了一下，发现其他模型在没有弹出第一层的情况下运行良好。嗯，但我的输入超过3维（N*N*8），因此，我需要小网络（网络1）在转移学习之前达到3维。网络\输出为网络\ 2的输入

ValueError: Layer global_average_pooling2d_3 was called with an input that isn't a symbolic tensor. Received type: <class 'keras.engine.sequential.Sequential'>. Full input: [<keras.engine.sequential.Sequential object at 0x7f74f6621d68>]. All inputs to the layer should be tensors.