Python 将张量转换为numpy数组时发生FailedPremissionError（）

我试图通过在Keras中创建自定义层来执行自定义卷积操作

但是，我得到了一个

failedPremissionError（）

这是我为

调用编写的代码

函数是

def call(self, x):
        kern_x,kern_y = self.kernel.get_shape().as_list()
        img_x,img_y = x.get_shape().as_list()[2:4]
        activation_map = np.random.random((img_x - kern_x + 1, img_y - kern_y + 1))
        img = tf.Session().run(tf.Variable(x,validate_shape=False)) #this is where I am getting the error
        kern = tf.Session().run(tf.constant(self.kernel))

        for i in range(activation_map.shape[0]):
            for j in range(activation_map.shape[1]):
                activation_map[i][j] = fn1(fn2(img[i:i+kern_x,j:j+kern_y],kern))

        return tf.convert_to_tensor(fuzzy_activation_map, np.float32)

x是一个

---

循环是我试图实现我在一篇论文中找到的自定义过滤器的主要部分。我已经分别设计了过滤器，当输入图像和内核是numpy 2D阵列时，它可以工作。我只需要内核是可训练的

在is

op

中，给出错误原因的提示。你能捕捉到错误以获得类似的op吗？。为了捕获所有错误，请参见《如何调用函数》中的“一般错误捕获”

call（self，x）

？我正在使用Keras文档编写自定义层，其中层的主要逻辑位于调用函数中。我不知道该函数是如何调用的。但是，我可以显示图层`model=Sequential（）`

model.add（Conv2D（32，（5，5），input_-shape=（1，28，28），activation='relu'））

model.add（maxpoolig2d（pool_-size=（2，2））

model.add（CustomConv2D（5））\35;这是自定义图层

`model.add（Dropout（0.2））`model.add（flatte（））`model.add）（密集型（128，activation='relu'））`model.add（密集型（num_类，activation='softmax'））`