Tensorflow 高级API中的Tesorflow自定义层：抛出对象没有属性'_需要"掩码"参数'；错误

我正在尝试根据前几层的三个输入重建图像：正常（无，128128,3）、反照率（无，128128,3）和照明（27）。但是这里的代码仍然表示对象没有属性“\u expects\u mask\u arg”错误。我在这里介绍了我的代码，其中我使用Tensorflow v2 beta和高级API实现了一个自定义层

输入数学 类重建层（tf.keras.layers.Layer）：

def\uuuuu init\uuuuuuuuuuuuuuuuuuuu（自，输入形状）：
超级（重建层，自我）。\uuuuu初始化
#self.num\u输出=num\u输出
#self.pixel=np.zeros（（9），dtype=int）
self.sphar=np.zeros（（9），dtype=float）
self.y=np.zero（（9），dtype=float）
自重构\u img=np.zero（（128128,3），dtype=float）
#self.y=tf.zero（[128128,9]）
self.normal_light=np.zero（（128128,9），dtype=float）
self.y_temp=np.zero（（9），dtype=float）
w_init=tf.random_normal_初始值设定项（）
self.r\u img=tf.Variable（初始值=w\u init（shape=input\u shape），dtype='float32'，trainable=True）
def构建（自我，输入_形状）：
超级（MyLayer，self）.构建（输入形状）
def调用（自，输入层）：
self.normal，self.albedo，self.light=输入层
对于范围内的i（128）：
对于范围（128）内的j：
#self.y=球面_谐波_计算（自法线（i，j））
self.pixel=self.normal[i，j，：]
#自正常光（i，j）=自正常光
self.sphar[0]=（1/（（4*math.pi）**0.5））
self.sphar[1]=（（3/（4*math.pi））**0.5）*self.pixel[2]
self.sphar[3]=（（3/（4*math.pi））**0.5）*self.pixel[1]）
self.sphar[4]=（（1/2）*（（5/（4*math.pi））**0.5）*（3*（self.pixel[2]**2）-1））
self.sphar[5]=（3*（（5/（12*math.pi））**0.5）*self.pixel[2]*self.pixel[0]）
self.sphar[6]=（3*（（5/（12*math.pi））**0.5）*self.pixel[2]*self.pixel[1]）
self.sphar[7]=（（3/2）*（（5/（12*math.pi））**0.5）*（（self.pixel[0]**2）-（self.pixel[1]**2）））
self.sphar[8]=（3*（（5/（12*math.pi））**0.5）*self.pixel[0]*self.pixel[1]）
self.normal_light[i，j:]=self.sphar
对于范围（128）内的j：
对于范围（128）内的k：
对于范围（3）中的i：
自重构光[j，k，i]=自反照率[j，k，i]*tf.tensordot（自正常光[j，k]，自光[i*9:（i+1）*9]，轴=1）
自重构\u img=tf.convert\u to\u张量（自重构\u img）
self.r\u img=self.r\u img
返回self.r\u img
"""
---------------------------------------------------------------------------
AttributeError回溯（最近一次呼叫上次）
在里面
1作为np导入numpy
---->2 x=重建_层（（128128,3））（d）
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/base\u layer.py in\uuuuu调用（self，input，*args，**kwargs）
明确优先。
581输入掩码=自身。收集输入掩码（输入、args、kwargs）
-->582如果（self._需要_mask_arg，而输入_mask不是None和
583非自身。_call_arg_通过（'mask'，args，kwargs））：
584 kwargs['mask']=输入屏蔽
AttributeError:“重建\u层”对象没有属性“\u需要\u掩码\u参数”
"""

我刚刚遇到了同样的错误，这是因为我忘记在

super（）

之后调用

\uuu init\uuu（）

。你做到了，但这让我觉得这个错误是由于你所派生的基础层初始化错误造成的。

---

我注意到，在doc示例中，不需要在基础层上调用

build（）

，如果删除该函数，它对我有效（因为它与您的层无关）.

即使我删除了构建函数的定义，错误仍然存在。但当我尝试在colab中运行代码时，出现了另一个错误AttributeError:“Reconstruction\u Layer”对象没有属性“\u trainable”。我在这里附上了colab链接。任何有链接的人都可以编辑。请随意编辑代码，尝试从开始实现一个最小的工作示例。所有这些代码都是误导性的。我尝试在init中重新启用您禁用的super（），然后调用函数出错，这意味着至少应该通过构建阶段。所以，正如我前面所说的，问题应该在层uuu init_uuu（）中。

def __init__(self,input_shape ):
    super(Reconstruction_Layer, self).__init__()
    #self.num_outputs = num_outputs
    #self.pixel=np.zeros((9),dtype=int)
    self.sphar=np.zeros((9),dtype=float)
    self.y=np.zeros((9),dtype=float)
    self.reconstructed_img=np.zeros((128,128,3),dtype=float)
    #self.y=tf.zeros([128,128,9])
    self.normal_light=np.zeros((128,128,9),dtype=float)
    self.y_temp=np.zeros((9),dtype=float)
    w_init = tf.random_normal_initializer()
    self.r_img = tf.Variable(initial_value=w_init(shape=input_shape),dtype='float32',trainable=True)

def build(self,input_shape):
    super(MyLayer, self).build(input_shape)

def call(self,input_layer):
    self.normal,self.albedo,self.light = input_layer

    for i in range(128):
        for j in range(128):
            #self.y=spherical_harmonic_calc(self.normal(i,j))

            self.pixel=self.normal[i,j,:]


            #self.normal_light(i,j)= self.y
            self.sphar[0]=(1/((4*math.pi)**0.5))
            self.sphar[1]=((3/(4*math.pi))**0.5)*self.pixel[2]
            self.sphar[3]=(((3/(4*math.pi))**0.5)*self.pixel[1])
            self.sphar[4]=((1/2)*((5/(4*math.pi))**0.5)*(3*(self.pixel[2]**2) - 1))
            self.sphar[5]=(3*((5/(12*math.pi))**0.5)*self.pixel[2]*self.pixel[0])
            self.sphar[6]=(3*((5/(12*math.pi))**0.5)*self.pixel[2]*self.pixel[1])
            self.sphar[7]=((3/2)*((5/(12*math.pi))**0.5)*((self.pixel[0]**2)-(self.pixel[1]**2)))
            self.sphar[8]=(3*((5/(12*math.pi))**0.5)*self.pixel[0]*self.pixel[1])

            self.normal_light[i,j,:]=self.sphar

    for j in range(128):
        for k in range(128):
            for i in range(3):

                self.reconstructed_img[j,k,i]=self.albedo[j,k,i]* tf.tensordot(self.normal_light[j,k],self.light[i*9:(i+1)*9 ],axes=1)

    self.reconstructed_img=tf.convert_to_tensor(self.reconstructed_img)
    self.r_img=self.reconstructed_img


    return self.r_img


"""
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-74-06759ef5b0b5> in <module>
      1 import numpy as np
----> 2 x=Reconstruction_Layer((128,128,3))(d)

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/base_layer.py in __call__(self, inputs, *args, **kwargs)
    580     # explicitly take priority.
    581     input_masks = self._collect_input_masks(inputs, args, kwargs)
--> 582     if (self._expects_mask_arg and input_masks is not None and
    583         not self._call_arg_was_passed('mask', args, kwargs)):
    584       kwargs['mask'] = input_masks

AttributeError: 'Reconstruction_Layer' object has no attribute '_expects_mask_arg'
"""