Python 将InputLayer添加到现有Keras模型以与Android Tensor流库一起使用

我对keras和TensorFlow很陌生

当尝试将Keras模型（在新的iOS IA框架上正确编译和工作）转换为tensorflow模型以在Android中使用时，我缺少输入节点

因此，我试图在我的模型中添加一个InputLayer，但没有成功

我得到的错误如下（每次运行时，占位符编号不同…）：

这是我的代码代码，这是我的代码，修改的部分与工作的KERAS模型相比，修改的部分相对于工作的部分，修改的部分相对于工作的部分，修改的部分，修改的部分，修改的部分与工作的部分，与工作的KERAS模型相比，修改的部分，修改的部分与工作的部分相比，修改的部分与工作的部分相比，与工作的部分相比，修改的部分与工作的部分相比，修改的部分与工作的部分的部分部分部分，与工作的部分相比，与工作的部分的部分部分相比，与工作的部分部分相比，修改的部分相比，修改的部分的部分的部分的部分相比，与工作的部分部分的部分相比，修改的部分的部分与工作的部分的部分相比，与工作的部分的部分的部分的部分相比，与工作的部分相比，修改的部分的部分的部分的部分的部分相比，与工作的部分相比，修改的部分的部分的部分的部分相比，与工作的部分的部分的部分的部分相比，与工作的部分相比，与######

---

使用kerasapi，您不必使用张量来输入数据

首先设置展平的输入形状：

# Start construction of the Keras Sequential model.
model = Sequential()

# Add an input layer which is similar to a feed_dict in TensorFlow.
# Note that the input-shape must be a tuple containing the image-size.
model.add(InputLayer(input_shape=(3*img_width*img_height)))

# Add the real shape that conv layer spect
model.add(Reshape((img_width,img_height , 3)))

然后训练网络将图像作为numpy数组传递，这与scikitlearn类似

# Note that train_datagen and train_labels must be numpy array object
model.fit(x=train_datagen,
          y=train_labels,
          epochs=1, batch_size=128)

---

每次在tf模型中使用占位符时，都需要传递一个提要。我没有看到你提供一个训练/适应方法。

# Start construction of the Keras Sequential model.
model = Sequential()

# Add an input layer which is similar to a feed_dict in TensorFlow.
# Note that the input-shape must be a tuple containing the image-size.
model.add(InputLayer(input_shape=(3*img_width*img_height)))

# Add the real shape that conv layer spect
model.add(Reshape((img_width,img_height , 3)))

# Note that train_datagen and train_labels must be numpy array object
model.fit(x=train_datagen,
          y=train_labels,
          epochs=1, batch_size=128)