Keras报错：添加对象需为Layer实例，实际为KerasTensor

错误原因 #

你在model_variant函数的ConvLSTM分支里，错误地将**张量（KerasTensor）**传入了model.add()方法。Sequential模型的add()只能接收Layer类的实例，而你通过Bidirectional(LSTM(...))(model.output)得到的是该层输出的张量，不是层本身，因此触发报错。

修正方案 #

把创建层和添加层的步骤分开：先实例化Bidirectional层，再用model.add()将其添加到模型中。Sequential模型会自动把前一层的输出作为当前层的输入，无需手动调用层处理model.output。

修改后的model_variant函数代码：

from tensorflow.keras import regularizers
from tensorflow.keras.layers import Permute, Reshape, Bidirectional, LSTM, Flatten, Dense, BatchNormalization, Dropout

def model_variant(model, num_feat_map, dim, network_type, p):
    print(network_type)
    if network_type == 'ConvLSTM':
        model.add(Permute((2, 1, 3)))
        model.add(Reshape((-1, num_feat_map * dim)))
        # 先实例化Bidirectional层，再添加到Sequential模型
        bidirectional_layer = Bidirectional(LSTM(128, return_sequences=False, stateful=False))
        model.add(bidirectional_layer)
    if network_type == 'CNN':
        model.add(Flatten())
        model.add(Dense(64, activation='relu'))
        model.add(BatchNormalization())
        model.add(Dropout(p))

补充说明 #

你的环境是tensorflow 2.4.1 + keras 2.14.0，注意tensorflow 2.x已内置Keras，建议统一使用from tensorflow.keras import ...导入所有层和模型，避免单独安装的Keras与TF内置Keras版本不兼容的问题。

内容的提问来源于stack exchange，提问作者Hanna