为什么绘制Keras（TensorFlow 2.0）模型图时未包含矩阵乘法相关变量

问题原因 #

• 导入路径不兼容：代码中混用了两种Keras引用，首先将tf.keras赋值给了变量keras，后续导入层和模型类时又直接使用独立的keras库（非TF内置的tf.keras），两个不同的Keras实例对张量的计算图追踪逻辑不互通，导致inputP的张量依赖关系没有被模型正确识别。
• 原生TensorFlow算子未封装：代码中直接使用tf.transpose、tf.matmul这类TensorFlow原生算子，没有封装为Keras层，而keras.utils.plot_model是基于Keras层的拓扑关系绘图，不是追踪底层TensorFlow计算图，因此inputP的路径没有被可视化工具捕获。

修复方案 #

1. 统一使用tf.keras的导入路径：

import tensorflow as tf
from tensorflow.keras.layers import Input, Dense, Lambda
from tensorflow.keras.models import Model

2. 将原生TensorFlow算子封装为Keras Lambda层，确保拓扑关系被正确追踪：

a = Input(shape=(138,7), name='inputP')
b = Input(shape=(138,7), name='inputQ')
# 封装transpose操作
c = Lambda(lambda x: tf.transpose(x, [0,2,1]), name='transpose_q')(b)
# 封装matmul操作
d = Lambda(lambda x: tf.matmul(x[0], x[1]), name='matmul_pq')([c, a])
e = Dense(15,activation = 'relu')(d)
model = Model([a,b],e)
tf.keras.utils.plot_model(model)

修改后重新执行即可在可视化图中看到两个输入节点。

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