Python 如何修改Keras张量对象的元素

我正在Keras中构建一个卷积神经网络，该网络接收一批尺寸为（无、256、256、1）的图像，并输出一批大小为（无、256、256、3）的图像。现在在最后一层输出之后，我想添加一个层，根据输入上的值条件为输出层中的一些像素赋值。以下是我尝试过的：

功能

def SetBoundaries(ins):
    xi = ins[0]
    xo = ins[1]

    bnds = np.where(xi[:, :, :, 0] == 0)
    bnds_s, bnds_i, bnds_j = bnds[0], bnds[1], bnds[2]
    xo[bnds_s, bnds_i, bnds_j, 0] = 0
    xo[bnds_s, bnds_i, bnds_j, 1] = 0
    xo[bnds_s, bnds_i, bnds_j, 2] = 0

    return xo

Keras车型

def conv_res(inputs):
    x0 = inputs

    ...

    xc = conv_layer(xc, kernel_size=3, stride=1,
                    num_filters=3, name="Final_Conv")

    # apply assignment function
    xc = Lambda(SetBoundaries, name="assign_boundaries")([x0, xc])
    return xc

最后，利用该方法建立了模型

def build_model(inputs):
    xres = int(inputs.shape[1])
    yres = int(inputs.shape[2])
    cres = int(inputs.shape[3])

    inputs = Input((xres, yres, cres))
    outputs = UNet.conv_res(inputs)
    model = keras.Model(inputs=inputs, outputs=outputs)
    return model

但是，当我运行时，会出现以下错误：

NotImplementedError: Cannot convert a symbolic Tensor (assign_boundaries/Equal:0) to a numpy array.

没有Lambda函数，一切正常。我知道问题是给张量对象赋值，但我怎样才能达到我想要的

---

谢谢

np。其中

适用于NumPy数组，但您的模型的输出是Tensorflow张量。尝试使用，这是相同的事情，但是对于

tf.Tensor

s

np。其中

适用于NumPy数组，但模型的输出是Tensorflow张量。尝试使用，这是相同的事情，但是对于

tf.Tensor

s

我将函数更改为：

def SetBoundaries(ins):
    xi = ins[0]
    xo = ins[1]

    xin = tf.broadcast_to(xi, tf.shape(xo))
    mask = K.cast(tf.not_equal(xin, 0), dtype="float32")
    xf = layers.Multiply()([mask, xo])

    return xf

---

我将功能更改为：

def SetBoundaries(ins):
    xi = ins[0]
    xo = ins[1]

    xin = tf.broadcast_to(xi, tf.shape(xo))
    mask = K.cast(tf.not_equal(xin, 0), dtype="float32")
    xf = layers.Multiply()([mask, xo])

    return xf