Python “如何修复”；属性错误：'；张量'；对象没有属性'；设置权重'&引用；keras的错误

我目前正在尝试将tensorflow中训练的网络的权重加载到keras中的等效网络中。问题是一旦读取了权重，当我尝试对每个层使用“.set_weights”命令时，就会出现上述错误。当我只使用keras层时，我不知道为什么我的层是类类型“Tensor”

下面您可以看到代码，我已经从tensorflow加载了元文件，并从检查点文件加载了权重。一旦网络在keras中建立，我尝试加载权重，它告诉我我的层属于“张量”类

#这用于将权重加载到“model_vars”数组中。 使用tf.Session（）作为sess：

本规范中使用的一般U形网结构： #我试图将权重加载到层中的示例

conv_A1c.set_weights([model_vars["conv2d/kernel:0"], model_vars["conv2d/bias:0"]])

bn_conv_A1c.set_weights([model_vars["batch_normalization/gamma:0"], model_vars["batch_normalization/beta:0"], model_vars["batch_normalization/moving_mean:0"], model_vars["batch_normalization/moving_variance:0"]])

The items in "model_vars" are all of type "<class 'numpy.ndarray'>", while the types for the layers are returning "<class 'tensorflow.python.framework.ops.Tensor'>"

conv_A1c.设置权重（[model_vars[“conv2d/kernel:0”]、model_vars[“conv2d/bias:0”]）
bn_conv_A1c.设置权重（[model_vars[“batch_normalization/gamma:0”]、model_vars[“batch_normalization/beta:0”]、model_vars[“batch_normalization/moving_mean:0”]、model_vars[“batch_normalization/moving_vars:0”]）
“模型变量”中的项都是“”类型，而层的类型正在返回“”

如果你们能帮我解释为什么我的图层返回张量，而不是keras类型的图层，那将非常有用。

试试这个：

model.layers[0].set_weights([model_vars["conv2d/kernel:0"], model_vars["conv2d/bias:0"]])

conv_A1c.set_weights([model_vars["conv2d/kernel:0"], model_vars["conv2d/bias:0"]])

bn_conv_A1c.set_weights([model_vars["batch_normalization/gamma:0"], model_vars["batch_normalization/beta:0"], model_vars["batch_normalization/moving_mean:0"], model_vars["batch_normalization/moving_variance:0"]])

The items in "model_vars" are all of type "<class 'numpy.ndarray'>", while the types for the layers are returning "<class 'tensorflow.python.framework.ops.Tensor'>"

model.layers[0].set_weights([model_vars["conv2d/kernel:0"], model_vars["conv2d/bias:0"]])