Python 3.x 属性错误：'；Conv2D&x27；对象没有属性'；形状'；

我是tensorflow的新手，我尝试使用tf.concat，所以我使用了这个布局，而不是常规的顺序布局。但我得到的错误是AttributeError:“tuple”对象没有属性“layer” 第二行中存在错误

inp = Input(shape=(1050,1050,3))
x1= layers.Conv2D(16 ,(3,3), activation='relu')(inp)
x1= layers.Conv2D(32,(3,3), activation='relu')(x1)
x1= layers.MaxPooling2D(2,2)(x1)
x2= layers.Conv2D(32,(3,3), activation='relu')(x1)
x2= layers.Conv2D(64,(3,3), activation='relu')(x2)
x2= layers.MaxPooling2D(3,3)(x2)
x3= layers.Conv2D(64,(3,3), activation='relu')
x3= layers.Conv2D(64,(2,2), activation='relu')(x3)
x3= layers.Conv2D(64,(3,3), activation='relu')(x3)
x3= layers.Dropout(0.2)(x3)
x3= layers.MaxPooling2D(2,2)(x3)
x4= layers.Conv2D(64,(3,3), activation='relu')
x4= layers.MaxPooling2D(2,2)(x4)
x = layers.Dropout(0.2)(x4)
o = layers.Concatenate(axis=3)([x1, x2, x3, x4, x])
y = layers.Flatten()(o)
y = layers.Dense(1024, activation='relu')(y)
y = layers.Dense(5, activation='softmax')(y) 

model = Model(inp, y)
model.summary()
model.compile(loss='sparse_categorical_crossentropy',optimizer=RMSprop(lr=0.001),metrics=['accuracy'])

导入的文件是

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import numpy as np
import pandas as pd
import shutil
import csv
import tensorflow as tf
import keras_preprocessing
from keras_preprocessing import image
from keras_preprocessing.image import ImageDataGenerator
from tensorflow.keras.optimizers import RMSprop
from tensorflow.keras.optimizers import RMSprop
from tensorflow.keras import layers
from tensorflow.keras import Model
from keras.layers import Input

错误是

AttributeError                            Traceback (most recent call last)
<ipython-input-8-40840424e579> in <module>
      1 inp = Input(shape=(1050,1050,3))
----> 2 x1= layers.Conv2D(16 ,(3,3), activation='relu')(inp)
      3 x1= layers.Conv2D(32,(3,3), activation='relu')(x1)
      4 x1= layers.MaxPooling2D(2,2)(x1)
      5 x2= layers.Conv2D(32,(3,3), activation='relu')(x1)

/opt/conda/lib/python3.6/site-packages/tensorflow/python/keras/engine/base_layer.py in __call__(self, inputs, *args, **kwargs)
    661               kwargs.pop('training')
    662             inputs, outputs = self._set_connectivity_metadata_(
--> 663                 inputs, outputs, args, kwargs)
    664           self._handle_activity_regularization(inputs, outputs)
    665           self._set_mask_metadata(inputs, outputs, previous_mask)

/opt/conda/lib/python3.6/site-packages/tensorflow/python/keras/engine/base_layer.py in _set_connectivity_metadata_(self, inputs, outputs, args, kwargs)
   1706     kwargs.pop('mask', None)  # `mask` should not be serialized.
   1707     self._add_inbound_node(
-> 1708         input_tensors=inputs, output_tensors=outputs, arguments=kwargs)
   1709     return inputs, outputs
   1710 

/opt/conda/lib/python3.6/site-packages/tensorflow/python/keras/engine/base_layer.py in _add_inbound_node(self, input_tensors, output_tensors, arguments)
   1793     """
   1794     inbound_layers = nest.map_structure(lambda t: t._keras_history.layer,
-> 1795                                         input_tensors)
   1796     node_indices = nest.map_structure(lambda t: t._keras_history.node_index,
   1797                                       input_tensors)

/opt/conda/lib/python3.6/site-packages/tensorflow/python/util/nest.py in map_structure(func, *structure, **kwargs)
    513 
    514   return pack_sequence_as(
--> 515       structure[0], [func(*x) for x in entries],
    516       expand_composites=expand_composites)
    517 

/opt/conda/lib/python3.6/site-packages/tensorflow/python/util/nest.py in <listcomp>(.0)
    513 
    514   return pack_sequence_as(
--> 515       structure[0], [func(*x) for x in entries],
    516       expand_composites=expand_composites)
    517 

/opt/conda/lib/python3.6/site-packages/tensorflow/python/keras/engine/base_layer.py in <lambda>(t)
   1792             `call` method of the layer at the call that created the node.
   1793     """
-> 1794     inbound_layers = nest.map_structure(lambda t: t._keras_history.layer,
   1795                                         input_tensors)
   1796     node_indices = nest.map_structure(lambda t: t._keras_history.node_index,

AttributeError: 'tuple' object has no attribute 'layer'

AttributeError回溯（最近一次调用）
在里面
1 inp=输入（形状=（10501050,3））
---->2x1=层。Conv2D（16，（3,3），激活='relu'）（inp）
3x1=层。Conv2D（32，（3,3），激活='relu'）（x1）
4 x1=层。MaxPoolig2D（2,2）（x1）
5 x2=层。Conv2D（32，（3,3），激活='relu'）（x1）
/opt/conda/lib/python3.6/site-packages/tensorflow/python/keras/engine/base\u layer.py in\uuuuu调用（self，input，*args，**kwargs）
661 kwargs.pop（“培训”）
662输入，输出=自。\设置\连接\元数据_(
-->663输入、输出、args、kwargs）
664自我处理活动规则化（输入、输出）
665自设置掩码元数据（输入、输出、上一个掩码）
/opt/conda/lib/python3.6/site-packages/tensorflow/python/keras/engine/base\u layer.py in\u set\u connectivity\u metadata\u（self、input、output、args、kwargs）
1706 kwargs.pop（'mask'，None）#'mask'不应序列化。
1707自我添加入站节点(
->1708输入张量=输入，输出张量=输出，参数=kwargs）
1709返回输入、输出
1710
/opt/conda/lib/python3.6/site-packages/tensorflow/python/keras/engine/base\u layer.py in\u add\u inbound\u节点（self、输入张量、输出张量、参数）
1793     """
1794 inbound_layers=nest.map_结构（lambda t:t._keras_history.layer，
->1795输入（U张量）
1796 node_index=nest.map_结构（lambda t:t._keras_history.node_index，
1797输入（U张量）
/map_结构中的opt/conda/lib/python3.6/site-packages/tensorflow/python/util/nest.py（func，*structure，**kwargs）
513
514返回包\u序列\u组件(
-->515结构[0]，[func（*x）表示条目中的x]，
516 expand_composites=expand_composites）
517
/opt/conda/lib/python3.6/site-packages/tensorflow/python/util/nest.py in（.0）
513
514返回包\u序列\u组件(
-->515结构[0]，[func（*x）表示条目中的x]，
516 expand_composites=expand_composites）
517
/opt/conda/lib/python3.6/site-packages/tensorflow/python/keras/engine/base_layer.py in（t）
1792创建节点的调用处的层的“call”方法。
1793     """
->1794 inbound_layers=nest.map_结构（lambda t:t._keras_history.layer，
1795输入（U张量）
1796 node_index=nest.map_结构（lambda t:t._keras_history.node_index，
AttributeError:“元组”对象没有属性“层”

请任何人告诉我该怎么做

---

代码与以前相比变化不大，请再看一看

您忘记在第四行中向x2传递一个输入参数，x3和x4也是如此。因此，不要编写

x2= layers.Conv2D(32,(3,3), activation='relu')

你应该

x2= layers.Conv2D(32,(3,3), activation='relu')(x1)

---

您需要实例化一个

Input

层，以将输入提供给第一个层：

inp = Input(shape=(1050,1050,3))
x1= layers.Conv2D(16 ,(3,3), activation='relu')(inp)
x1= layers.Conv2D(32,(3,3), activation='relu')(x1)
x1= layers.MaxPooling2D(2,2)(x1)
x2= layers.Conv2D(32,(3,3), activation='relu')(x1)
x2= layers.Conv2D(64,(3,3), activation='relu')(x2)
x2= layers.MaxPooling2D(3,3)(x2)
x3= layers.Conv2D(64,(3,3), activation='relu')(x2)
x3= layers.Conv2D(64,(2,2), activation='relu')(x3)
x3= layers.Conv2D(64,(3,3), activation='relu')(x3)
x3= layers.Dropout(0.2)(x3)
x3= layers.MaxPooling2D(2,2)(x3)
x4= layers.Conv2D(64,(3,3), activation='relu')(x3)
x4= layers.MaxPooling2D(2,2)(x4)
x = layers.Dropout(0.2)(x4)
o = layers.Concatenate(axis=3)([x1, x2, x3, x4, x])
y = layers.Flatten()(o)
y = layers.Dense(1024, activation='relu')(y)
y = layers.Dense(5, activation='softmax')(y) 

model = Model(inp, y)
model.summary()
model.compile(loss='sparse_categorical_crossentropy',optimizer=RMSprop(lr=0.001),metrics=['accuracy'])

---

正如在另一个答案中提到的，您也没有将正确的输入传递给一个

Conv2D

层。并且您不能直接在Keras张量上使用

tf

函数，Keras已经有一个层来执行连接。

如上述问题的答案中所建议的，您需要包装

tf.concat（）

在

Lambda

层内。或者，您可以使用

keras.layers.concatenate（…）

进行连接。您还需要有实际的输入层，当前输入是Conv2D。@MatiasValdenegro错误显示在第2行是，所以？问题仍然是一样的，您不能将非输入层作为输入提供给函数API中的另一层。您能解释一下，如果第2行出现新错误，应该怎么办吗ne AttributeError:“tuple”对象没有属性“layer”@Lawlesx请添加整个回溯，孤立的错误消息是没有意义的。@Lawlesx我无法用给定的代码重现错误（我得到了其他错误，但不是你在那一行中提到的错误）。请提供复制错误的自包含示例，我们可以运行。我没有获得自包含示例，但我添加了所需的导入文件