Python 无法将符号Keras输入/输出转换为简单CNN中的numpy数组
这是一个我无法回避的非常简单的问题。我是tensorflow的新手,这是我第二次面对这个问题Python 无法将符号Keras输入/输出转换为简单CNN中的numpy数组,python,tensorflow,keras,deep-learning,conv-neural-network,Python,Tensorflow,Keras,Deep Learning,Conv Neural Network,这是一个我无法回避的非常简单的问题。我是tensorflow的新手,这是我第二次面对这个问题 from tensorflow.keras.layers import Dense, Conv2D, MaxPooling2D, Dropout, Flatten, Input from tensorflow.keras.models import Model import numpy as np x = tf.keras.Input(shape=(128, 128, 4)) conv = Conv
from tensorflow.keras.layers import Dense, Conv2D, MaxPooling2D, Dropout, Flatten, Input
from tensorflow.keras.models import Model
import numpy as np
x = tf.keras.Input(shape=(128, 128, 4))
conv = Conv2D(30, (3, 3), activation='relu',input_shape=(128, 128, 4))(x)
conv = Conv2D(12, (5,5))(conv)
conv = MaxPooling2D(pool_size=(2,2))(conv)
print(conv[2])
conv = np.array(conv[2]) # <---- here is the problem
input_mean = np.mean(conv[1:], axis=0)
input_std = np.std(conv, axis=0)
conv = (conv - input_mean) / input_std
conv = Flatten()(conv)
conv = Dense(157, activation='relu')(conv)
model = Model(inputs = x, outputs = conv)
#model.summary()
我的问题是,如何从我的最大池层获取输出,并获取每个传入通道的平均值和标准偏差?平均值和标准差的输出将是张量,其中每个通道分别归一化。然后,我会将这个输出展平,并将其发送到完全连接的致密层
提前感谢。我得到了一个类似的错误,并执行了以下操作:
del model
之前:
model = Model(inputs = x, outputs = conv)
它解决了我的问题。
我很想知道它是否也能解决您的问题:)
model = Model(inputs = x, outputs = conv)