Python 将非符号张量传递给Keras Lambda层

我试图将

RNNCell

对象传递给Keras lambda层，以便在Keras模型中使用Tensorflow层，如下所示

conv_cell = ConvGRUCell(shape = [14, 14],
                       filters = 32,
                       kernel = [3,3],
                       padding = 'SAME')

def convGRU(inputs, cell, length):
    output, final = tf.nn.bidirectional_dynamic_rnn(
            cell, cell, x, length, dtype=tf.float32)
    output = tf.concat(output, -1)
    final = tf.concat(final, -1)
    return [output, final]

lm = Lambda(lambda x: convGRU(x[0], x[1], x[2])([input, conv_cell, length])

但是，我得到一个错误，即

conv_cell

不是符号张量（它是基于Tensorflow的GRUCell的自定义层）

有没有办法把细胞传给lambda层？我让它与functools.partial一起工作，但它无法保存/加载模型，因为它无法访问模型内的函数

def convGRU(cell, length): # if length is produced by the model, use it with the inputs    
    def inner_func(inputs):
        code...
    return inner_func

lm = Lambda(convGRU(cell, length))(input)

对于保存/加载，您需要使用

custom_objects={'convGRU'：convGRU'cell'：cell'length'：length}

等。对于加载保存的模型，Keras不知道的任何内容都需要自动位于

custom_objects

中

对于保存/加载，您需要使用

custom_objects={'convGRU'：convGRU'cell'：cell'length'：length}

等。对于加载保存的模型，Keras不知道的任何内容都需要自动位于

custom_objects

中