TensorFlow U-Net模型添加Dropout报错AttributeError，求解决

错误原因 #

你遇到的AttributeError: 'Functional' object has no attribute 'add'，是因为Segmentation Models库返回的Unet属于Keras Functional模型，这类模型不支持add()方法——add()是Sequential（顺序型）模型独有的API，仅适用于按顺序堆叠的简单网络结构。而Unet包含跳跃连接的多分支复杂结构，本身就是用Functional API构建的，所以无法直接调用add或用Sequential包裹。

正确修改方案 #

要给Functional模型新增层，需要基于原模型的输入、输出张量，重新构建新模型：

from tensorflow.keras.layers import Dropout
from tensorflow.keras.models import Model

# 补充BACKBONE的具体取值（示例为resnet34，可根据你的需求修改）
BACKBONE = 'resnet34'
# 初始化原Unet模型
model = sm.Unet(BACKBONE, encoder_weights='imagenet', encoder_freeze=True)

# 获取原模型的输入、输出张量
input_tensor = model.input
x = model.output

# 在原模型输出后添加Dropout层
x = Dropout(0.2)(x)

# 用新的输入、输出张量构建Functional模型
new_model = Model(inputs=input_tensor, outputs=x)

# 编译新模型并设置训练参数
new_model.compile(optimizer='Adam', loss=dice_loss, metrics=[f1, sm.metrics.iou_score, 'accuracy']) 
new_model.trainable = True

print(new_model.summary())

关键说明 #

• Functional模型的核心是张量流，必须通过输入、输出张量的连接来扩展结构，而非调用add方法。
• 不要尝试用Sequential()包裹Unet，因为Unet的跳跃连接结构无法被顺序型模型的线性堆叠逻辑表达，会直接破坏原模型的结构。

内容的提问来源于stack exchange，提问作者Allana Pracuccio Freitas