tensorflow，keras，模型的输出张量必须是tensorflow`层的输出`

带有

ValueError的第一个模型错误：模型的输出张量必须是TensorFlow

层

的输出（因此保存过去的层元数据）。发现：张量（“稠密/BiasAdd:0”，形状=（？，1，1），dtype=float32）

然而，第二个是有效的，我不理解错误的含义

def get_model():                                                                                                                                     
    first_input = Input(shape = (1,), name='first_input')                                                                                                         
    second_input = Input(shape = (5,), name='second_input' )

    embedding_layer = Embedding(input_dim=10, output_dim=3, input_length=1)
    first_input_encoded = embedding_layer(first_input)
    second_input_encoded = embedding_layer(second_input)

    second = tf.reduce_mean(second_input_encoded, axis=1, keepdims=True)                                                                                                                                                                                                                                                        
    o = concatenate([first_input_encoded, second])                                                                                                                
    o = Dense(1)(o)                                                                                                                                                                                                                                                                                                             
    model = tf.keras.models.Model(inputs=[first_input, second_input], outputs=o)                                                                                  
    return model

---

请给我们看看你们正在进口的商品using@MatiasValdenegro添加了导入您应该在第一个模型中使用

second\u input

而不是

second\u input\u encoded

。我无法重现你的问题。请给我们看看你的进口产品using@MatiasValdenegro添加了导入您应该在第一个模型中使用

second\u input

而不是

second\u input\u encoded

。我无法重现你的问题。

def get_model():                                                                                                                                     
    first_input = Input(shape = (1,), name='first_input')                                                                                                         
    second_input = Input(shape = (5,), name='second_input' )

    embedding_layer = Embedding(input_dim=10, output_dim=3, input_length=1)
    first_input_encoded = embedding_layer(first_input)
    second_input_encoded = embedding_layer(second_input)

    second = tf.reduce_mean(second_input_encoded, axis=1, keepdims=True)                                                                                                                                                                                                                                                        
    o = concatenate([first_input_encoded, second])                                                                                                                
    o = Dense(1)(o)                                                                                                                                                                                                                                                                                                             
    model = tf.keras.models.Model(inputs=[first_input, second_input], outputs=o)                                                                                  
    return model