添加自定义回调后Keras条件GAN报错：判别器层未定义输入

问题本质 #

你遇到的错误核心是：自定义回调中尝试访问判别器层输出时，判别器模型还未被传入符合要求的输入数据完成调用，导致它的输入形状未被初始化。条件GAN的判别器需要两个输入（图像张量+条件标签张量），如果回调里没有正确传入这两组数据，直接访问层输出就会触发该错误。

具体解决方法 #

1. 修正自定义回调逻辑，传入合法输入数据

不要直接访问判别器层的output属性，而是通过构建子模型+传入合规输入的方式获取层输出。比如在回调的on_epoch_end中，先生成测试用的图像和标签，再传入判别器：

import numpy as np
from tensorflow import keras

class DiscriminatorOutputCallback(keras.callbacks.Callback):
    def __init__(self, latent_dim, num_classes, num_samples=8):
        self.latent_dim = latent_dim
        self.num_classes = num_classes
        self.num_samples = num_samples
        # 预先生成测试用的潜在向量和标签
        self.test_latent = np.random.normal(0, 1, (num_samples, latent_dim))
        self.test_labels = keras.utils.to_categorical(
            np.random.randint(0, num_classes, num_samples), num_classes
        )

    def on_epoch_end(self, epoch, logs=None):
        # 用生成器生成测试图像
        generated_imgs = self.model.generator([self.test_latent, self.test_labels])
        # 构建获取中间层输出的子模型，替换成你要可视化的层索引或名称
        target_layer = self.model.discriminator.layers[2]
        layer_output_model = keras.Model(
            inputs=self.model.discriminator.input,
            outputs=target_layer.output
        )
        # 传入图像+标签，获取层输出
        layer_output = layer_output_model.predict([generated_imgs, self.test_labels], verbose=0)
        # 这里添加你的可视化逻辑（比如打印形状、绘图保存等）
        print(f"Epoch {epoch+1}: 判别器目标层输出形状: {layer_output.shape}")

2. 提前手动初始化判别器的输入形状

如果不想修改回调逻辑，也可以在调用cond_gan.fit()之前，手动传入一组dummy数据调用判别器，让它提前完成输入形状初始化：

# 假设你的图像是MNIST格式(28,28,1)，类别数为10
dummy_imgs = np.random.rand(1, 28, 28, 1)
dummy_labels = keras.utils.to_categorical([0], num_classes=10)
# 手动调用判别器，触发输入形状初始化
_ = cond_gan.discriminator([dummy_imgs, dummy_labels])

关键注意事项 #

• 条件GAN的判别器是多输入模型，必须同时传入图像张量和条件标签张量，缺一不可。
• 未被调用过的层，其output属性没有绑定具体的输入输出形状，Keras需要通过一次实际调用才能确定这些参数。

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