sigmoid激活函数仅可在dense层后使用吗？类SE网络Keras实现问询

你的实现存在多处语法和逻辑错误，不可直接运行，具体问题如下：

• 输入层路径错误：Keras输入层的正确调用路径是keras.layers.Input，你使用的keras.model.Input属于模块路径写错，运行会直接抛出找不到属性的错误。另外不建议用Input作为变量名，容易和类名冲突。
• 卷积层类名拼写错误：Keras的2D卷积类名是首字母全大写的Conv2D，你写的小写后缀的Conv2d会触发名称未定义错误。
• 维度不匹配逻辑错误：图像场景下的全局平均池化建议明确用GlobalAveragePooling2D，它的输出是形状为(batch_size, 通道数)的二维张量，而Conv2D要求输入必须是(batch_size, 高, 宽, 通道数)的四维张量，直接在池化结果后接2D卷积层会报维度不匹配的运行错误。如果要保留用1x1卷积实现通道压缩、扩张的逻辑，需要先通过Reshape((1,1,32))等操作把二维张量扩展为四维张量。
• 激活函数调用错误：sigmoid激活所属的模块是keras.activations（复数形式），且调用时需要把输入张量作为参数传入，不能写空括号。更符合Keras函数式API规范的写法是用层式调用keras.layers.Activation('sigmoid')(x2_)。

以下是修正后的可运行参考代码：

import keras

input_tensor = keras.layers.Input((None,None,3))
x1 = keras.layers.Conv2D(filters = 32, kernel_size = (3,3))(input_tensor)
x_gp = keras.layers.GlobalAveragePooling2D()(x1)
# 扩展维度适配后续Conv2D计算
x_gp_expand = keras.layers.Reshape((1,1,32))(x_gp)
x2 = keras.layers.Conv2D(filters = 32, kernel_size = (1,1))(x_gp_expand)
x3 = keras.layers.Conv2D(filters = 8, kernel_size = (1,1))(x2)
x2_ = keras.layers.Conv2D(filters = 32, kernel_size = (1,1))(x3)
x_se = keras.layers.Activation('sigmoid')(x2_)

内容的提问来源于stack exchange，提问作者EJ Song