添加的层必须是类层的实例。找到：<；tensorflow.python.keras.engine.input_layer.InputLayer>；

我是机器学习新手。我在微调VGG16模型时遵循了这一点

模型加载了以下代码：

vgg_model = tensorflow.keras.applications.vgg16.VGG16()

model = Sequential()
for layer in vgg_model.layers[:-1]:
    model.add(layer)

但是得到这个错误：

TypeError: The added layer must be an instance of class Layer. Found: <tensorflow.python.keras.engine.input_layer.InputLayer object at 0x000001FA104CBB70>

依赖项：

• Keras 2.2.3
• Tensorflow 1.12.0
• tensorflow-gpu1.12.0
• Python 3.6.0

我遵循这一点，但我想使用VGG16

---

如果您能帮助解决此问题，我们将不胜感激。非常感谢。

这将不起作用，因为tensorflow.keras层将添加到keras模型中

vgg_model = tensorflow.keras.applications.vgg16.VGG16()
model = keras.Sequential()
model.add(vgg_model.layers[0])

实例化tensorflow.keras.Sequential（）。这会奏效的

model = tensorflow.keras.Sequential()
model.add(vgg_model.layers[0])

---

您不需要创建InputLayer，只需以与Conv2D/其他层相同的方式导入BatchNormalization层，例如：

from tensorflow.keras.layers import Conv2D, Flatten, MaxPooling2D, Dropout, BatchNormalization

而不是将其作为独立的Keras层导入，即：

from tensorflow.keras.layers import Conv2D, Flatten, MaxPooling2D, Dropout
from keras.layers import BatchNormalization

---

除了@Manoj Mohan的答案之外，您还可以使用来自Keras的

input\u layer

向您的

模型添加
input\u layer
，如下所示：

import keras
from keras.models import Sequential
from keras.layers import InputLayer

model = Sequential()
model.add(InputLayer(input_shape=shape, name=name))
....

如果您使用的是
TensorFlow
builtin
Keras
，则导入是不同的，其他内容仍然相同

import tensorflow as tf
import tensorflow.keras as keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import InputLayer

model = Sequential()
model.add(InputLayer(input_shape=shape, name=name))
....

对于主要部分，如果要将层导入到顺序模型中，可以使用以下语法

import keras
from keras.models import Sequential, load_model
from keras import optimizers
from keras.applications.vgg16 import VGG16
from keras.applications.vgg19 import VGG19

# For VGG16 loading to sequential model  
model = Sequential(VGG16().layers)
# For VGG19 loading to sequential model  
model = Sequential(VGG19().layers)

Keras 2.2.4 tf版。将导入从导入keras.layers作为层更改为tensorflow.keras.layers作为层是的，这是一种场景：将
keras.Sequential（）
与
tf.keras.Sequential（）
混合。另一个问题是
Input
（这是一个张量）与
InputLayer
之间的关系，后者是一个层，可以添加到
顺序
模型中。然而，我得到了一些代码，将
输入
添加到
顺序
模型中，并且它对其他人（具有不同的配置/版本等）有效。（我需要修补此代码…）