自定义TensorFlow Layer调用summary方法报错的原因排查

你的代码存在三个关键错误，导致运行报错，以下是具体问题和修复方案：

1. 自定义层的前向传播方法名错误 #

TensorFlow Keras 自定义层要求必须实现 call 方法来定义前向传播逻辑，而不是 forward（forward 是PyTorch的写法）。如果用 forward，Keras 无法识别该方法，不仅会影响层的正常运行，也会导致后续无法正确构建模型结构。

2. 错误调用 summary 方法 #

• 你直接通过类名 Discriminator_block 调用 summary()，这不符合面向对象的使用规则，必须先实例化类才能调用其方法。
• tf.keras.layers.Layer 类本身没有 summary() 方法，该方法属于 tf.keras.Model 类。要查看自定义层的结构，需要将其包装成一个 Model 实例。

3. 模块导入路径不一致 #

代码中 keras.layers.advanced_activations.LeakyReLU 的导入路径和其他 tf.keras 模块不一致，建议统一使用 tf.keras 的API，避免导入冲突。

修正后的完整代码 #

import tensorflow as tf

class Discriminator_block(tf.keras.layers.Layer):
  def __init__(self, num_strides):
    super(Discriminator_block, self).__init__(name='discriminator block')
    self.num_strides = num_strides
    self.conv1 = tf.keras.layers.Conv2D(filters=128, kernel_size=(3,3), strides=(num_strides, num_strides), padding='same', data_format='channels_first', activation=None)
    self.bn1 = tf.keras.layers.BatchNormalization(axis=1)
    self.leaky = tf.keras.layers.LeakyReLU()  # 统一tf.keras路径

  def call(self, x):  # 替换forward为call
    x = self.conv1(x)
    x = self.bn1(x)
    x = self.leaky(x)
    return x

# 实例化自定义层并包装为Model以查看摘要
block = Discriminator_block(num_strides=2)
# 根据data_format定义输入形状：(通道数, 高度, 宽度)，这里以3通道256x256图像为例
inputs = tf.keras.Input(shape=(3, 256, 256))
outputs = block(inputs)
model = tf.keras.Model(inputs=inputs, outputs=outputs)

# 查看模型摘要
model.summary()

内容的提问来源于stack exchange，提问作者ttaaee98