ValueError：函数的输入张量必须来自“tf.keras.Input”。接收到：0（缺少上一层元数据）。我如何解决这个问题？
当我试图获取利用SVM进行分类的特征时，会出现以下错误。详细情况如下所述 模型：“顺序”ValueError：函数的输入张量必须来自“tf.keras.Input”。接收到：0（缺少上一层元数据）。我如何解决这个问题？,keras,tensorflow2.0,tf.keras,Keras,Tensorflow2.0,Tf.keras,当我试图获取利用SVM进行分类的特征时，会出现以下错误。详细情况如下所述 模型：“顺序” 图层（类型）输出形状参数# conv2d（conv2d）（无、32、32、64）1792 激活（激活）（无、32、32、64）0 conv2d_1（conv2d）（无、32、32、64）36928 激活1（激活）（无、32、32、64）0 最大池2D（最大池2D）（无、16、16、64）0 辍学（辍学）（无、16、16、64）0 conv2d_2（conv2d）（无、16、16、128）738
图层（类型）输出形状参数# conv2d（conv2d）（无、32、32、64）1792
激活（激活）（无、32、32、64）0
conv2d_1（conv2d）（无、32、32、64）36928
激活1（激活）（无、32、32、64）0
最大池2D（最大池2D）（无、16、16、64）0
辍学（辍学）（无、16、16、64）0
conv2d_2（conv2d）（无、16、16、128）73856
激活_2（激活）（无、16、16、128）0
conv2d_3（conv2d）（无、16、16、128）147584
激活_3（激活）（无、16、16、128）0
最大池2D池1（最大池2（无、8、8、128）0
辍学1（辍学）（无、8、8、128）0
conv2d_4（conv2d）（无、8、8、256）295168
激活4（激活）（无、8、8、256）0
conv2d_5（conv2d）（无、8、8、256）590080
激活_5（激活）（无、8、8、256）0
conv2d_6（conv2d）（无、8、8、256）590080
激活_6（激活）（无、8、8、256）0
最大池2D_2（最大池2（无、4、4、256）0
辍学2（辍学）（无、4、4、256）0
展平（展平）（无，4096）0
稠密的（稠密的）（无，1024）4195328
激活_7（激活）（无，1024）0
辍学3（辍学）（无，1024）0
密集型_1（密集型）（无，1024）1049600
激活_8（激活）（无，1024）0
辍学4（辍学）（无，1024）0
密集型_2（密集型）（无，10）10250
激活_9（激活）（无，10）0 总参数：6990666 可培训参数：6990666 不可训练参数：0 之后，我检查图层定义 我试图得到特征提取层
ValueError回溯（最近一次调用上次） 在（） 1#特征提取层 2 getFeature=K.function（[model.layers[0]。输入，K.learning_phase（）， ---->3[模型.层[26].输出]） 6帧 /函数中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/backend.py（输入、输出、更新、名称，**kwargs） 3934来自tensorflow.python.keras导入模型#pylint:disable=g-import-not-at-top 3935从tensorflow.python.keras.utils导入tf_utils#pylint:disable=g-import-not-at-top ->3936模型=模型。模型（输入=输入，输出=输出） 3937 3938 wrap_输出=isinstance（输出，列表）和len（输出）=1 /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py innew（cls，*args，**kwargs） 240#功能模型 241来自tensorflow.python.keras.engine import functional#pylint:disable=g-import-not-at-top -->242返回functional.functional（*args，**kwargs） 243其他： 244返回超级（型号，cls）。新的（cls，*args，**kwargs） /usr/local/lib/python3.6/dist-packages/tensorflow/python/training/tracking/base.py in_method_wrapper（self，*args，**kwargs） 455 self._self_setattr_tracking=False#pylint:disable=protected access 456试试： -->457结果=方法（自身、*args、**kwargs） 458最后： 459 self._self_setattr_tracking=上一个值#pylint:disable=受保护访问 /init中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/functional.py（self、输入、输出、名称、可培训） 113#'初始化期间的参数。获取意外参数：'） 114超级（功能，自我）。init（名称=名称，可培训=可培训） -->115自初始化图网络（输入、输出） 116 117@trackable.no\自动\依赖\跟踪 /usr/local/lib/python3.6/dist-packages/tensorflow/python/training/tracking/base.py in_method_wrapper（self，*args，**kwargs） 455 self._self_setattr_tracking=False#pylint:disable=protected access 456试试： -->457结果=方法（自身、*args、**kwargs） 458最后： 459 self._self_setattr_tracking=上一个值#pylint:disable=受保护访问 /网络中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/functional.py（自、输入、输出） 142基础层实用程序。创建历史记录（自嵌套输出） 143 -->144自我验证图输入和输出（） 145 146#一个网络本身并不会产生权重，因此它已经存在 /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/functional.py in_-validate_-graph_-input_和_-output（self） 637'必须来自
tf.keras.Inputtf.keras.Inputfrom keras import backend as K
for l in range(len(model.layers)):
print(l, model.layers[l])
getFeature = K.function([model.layers[0].input, K.learning_phase()],
[model.layers[26].output])