迁移学习添加新层遇ValueError：合并层需传入输入列表

错误原因分析 #

报错源于代码中add()方法的两处错误使用：

1. 传入对象类型错误：手动调用Dense层并传入cloned_model.layers[0]作为输入，将张量结果传给add()，但Sequential.add()仅接受Layer对象，不支持直接传入张量。
2. 错误赋值add()结果：Sequential.add()是原地修改模型的方法，无返回值，不能将其赋值给新变量model2。

修正后的代码 #

def transfered_model_prep(new_model):
    # 冻结原模型参数
    new_model.trainable = False
    # 克隆模型并复制原权重
    cloned_model = keras.models.clone_model(new_model)
    cloned_model.set_weights(new_model.get_weights())
    cloned_model.trainable = False
    
    # 构建移除最后一层的Sequential模型
    cloned_model1 = keras.models.Sequential(cloned_model.layers[:-1])
    
    # 正确添加新的二分类输出层
    cloned_model1.add(keras.layers.Dense(1, activation='sigmoid'))
    
    # 编译模型
    cloned_model1.compile(loss="binary_crossentropy",
                          optimizer="adam",
                          metrics=["accuracy"])
    
    return cloned_model1

额外注意事项 #

如果原模型移除最后一层后的输出是多维张量（比如卷积层输出的特征图），需要先添加Flatten()层将其转为一维向量，再连接Dense层：

cloned_model1.add(keras.layers.Flatten())
cloned_model1.add(keras.layers.Dense(1, activation='sigmoid'))

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