跟随Nicholas Renotte人脸识别教程时L1Dist层减法报错求助

问题根源 #

你的L1Dist.call()方法收到的参数是列表而非预期的KerasTensor，这是因为构建模型时调用L1Dist层的方式错了——把两个张量打包成列表传入，而非作为独立参数传递。

解决方案 #

1. 保留L1Dist层的原始实现（无需修改） #

class L1Dist(tf.keras.layers.Layer):
    def __init__(self, **kwargs):
        super().__init__()

    def call(self, input_embedding, validation_embedding):
        return tf.math.abs(input_embedding - validation_embedding)

2. 修正层的调用方式 #

错误调用（导致参数变列表）：

l1_layer = L1Dist()
# 错误：把两个张量放在列表里传递
distance = l1_layer([input_embedding, validation_embedding])

正确调用（独立传参）：

l1_layer = L1Dist()
# 正确：分别传入两个张量
distance = l1_layer(input_embedding, validation_embedding)

为什么之前的修改无效 #

你尝试的tf.convert_to_tensor、tf.squeeze等操作都是无效的——列表内部已经是KerasTensor，问题根源在调用层的方式，而非层内部的计算逻辑。

验证方法（可选） #

在call方法中添加打印语句，确认参数类型：

def call(self, input_embedding, validation_embedding):
    print(type(input_embedding))  # 正常应输出 <class 'keras.engine.keras_tensor.KerasTensor'>
    return tf.math.abs(input_embedding - validation_embedding)

内容的提问来源于stack exchange，提问作者Grigorev Nikita