Numpy 如何在keras lambda层中使用tf.py_func包装python代码。ValueError：应定义密集输入的最后一个维度。一无所获

我想用tf.py_fucn将numpy代码封装在使用keras的定制lambda层中

注意：为了简单起见，我展示了一个简单的np幂函数

这就是我所做的

def my_func(x):

    return np.power(x, 2)

def my_lambda_func(x):

    return tf.py_function(my_func, [x], tf.float32)


def model():

    inp = Input(shape=(2,))
    x = Dense(128)(inp)
    x = Dense(128)(x)

    z = Lambda(my_lambda_func)(x)

    output = Dense(1)(z)
    model = Model(inputs=inp, outputs=output)

    return model



model = model ()
model.compile(optimizer='adam', loss='mse')

然后我得到了这个错误

---

ValueError回溯（最近一次调用上次） 在（） 21 22 --->23型号=型号（） 24 model.compile（优化器='adam'，loss='mse'）

3帧 /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/layers/core.py内置（self，input_-shape） 1179最后尺寸=张量形状。尺寸值（输入形状[-1]） 1180如果最后一个尺寸为无： ->1181 raise VALUE ERROR（

密集

输入的最后一个维度） 应定义“1182”。找到

None

”） 1183 self.input_spec=InputSpec（min_ndim=2，轴={-1:last_dim}）

---

ValueError:应定义

密集

输入的最后一个维度。找到

None

您可能需要指定Lambda层z的输出形状，tf.py_函数将给出None作为输出形状，它与紧随其后的致密层不匹配。你应该试试：

z=λ（my_Lambda_func）（x）

z、 设置_形（x.shape）