Python 我不断得到错误类型error:'；张量'；对象不可调用

我不断得到TypeError：“Tensor”对象不能在

outputs=prediction\u layer（x）

行调用。知道我做错了什么吗

编辑： 增加了几行文字，以明确我在做什么

global_average_layer = keras.layers.GlobalAveragePooling2D()
feature_batch_average = global_average_layer(feature_batch)
print(feature_batch_average.shape)
flatten = keras.layers.Flatten()(base_model.layers[-1].output)
dense1 = keras.layers.Dense(256, activation = "relu")(flatten)
prediction_layer = keras.layers.Dense(3, activation = "softmax")(dense1)
x = base_model(inputs, training=False)
x = global_average_layer(x)
x = keras.layers.Dropout(0.5)(x)
outputs = prediction_layer(x)
model = keras.Model(inputs, outputs)
model.summary()

---

如第5行所述，

预测层

将是

密集层

的输出，因此只是一个

张量

，而不是一个层。

---

您不需要在

base\u model.layers[-1]。output

上使用展平层，只需在

x

上使用展平层，这可能与我试图合并到模型中的第6-8行的

x

发生的情况重复。我怎样才能把它放进去。因为如果我使用

prediction\u层

，就像你所说的

密集

层的输出，那么这些永远不会被纳入我的model@user966615我不理解模型的结构，你能澄清一下吗？所以我尝试使用DenseNet121预训练模型对一组图像进行分类。所以上面的代码是我试图用迁移学习来实现的。如果您查看编辑，从带有

base\u model

的行到

global\u average\u layer

，我只是建立我想要使用的层。从

展平

行到

输出

我只是在堆叠或创建我计划用于图像分类的模型。我相信你在展平层出错了。在获得输出张量之前，您应该初始化

x

。

x

，然后

展平

，然后

密度1

，然后

预测层

，然后将预测层用作模型中的输出？

base_model = keras.applications.DenseNet121(input_shape=IMG_SHAPE,
                                               include_top=False,
                                               weights='imagenet')

image_batch, label_batch = next(iter(train_dataset))
feature_batch = base_model(image_batch)
global_average_layer = keras.layers.GlobalAveragePooling2D()
feature_batch_average = global_average_layer(feature_batch)
print(feature_batch_average.shape)
flatten = keras.layers.Flatten()(base_model.layers[-1].output)
dense1 = keras.layers.Dense(256, activation = "relu")(flatten)
prediction_layer = keras.layers.Dense(3, activation = "softmax")(dense1)
x = base_model(inputs, training=False)
x = global_average_layer(x)
x = keras.layers.Dropout(0.5)(x)
outputs = prediction_layer(x)
model = keras.Model(inputs, outputs)
model.summary()