Keras自定义Layer时触发tuple无法转换为Tensor错误如何解决

• 第一，build方法传入的input_shape是包含动态batch维度的完整形状元组：你的输入形状为(None, 256, 256)，第一个元素None代表可变的批次大小，而可学习权重是静态张量，形状不能包含None值，直接把input_shape作为权重的shape参数传入就会触发tuple转Tensor失败的报错。
• 第二，你当前call方法使用的K.dot是矩阵点积运算，就算权重形状正确，运算后的输出形状也和输入不一致，不符合你「输入输出尺寸完全一致」的需求。你要实现的是给每个位置的输入值乘对应可学习权重，应该用逐元素乘法而非矩阵点积。

修改自定义层的代码即可，修正后的代码如下：

from tensorflow.keras.layers import Layer
import tensorflow.keras.backend as K

class Filter_low(Layer):
    def __init__(self,**kwargs):
        super(Filter_low, self).__init__(**kwargs)

    def build(self, input_shape):
        # 去掉batch维度，只取后面的特征维度作为权重形状
        weight_shape = input_shape[1:]
        self.kernel = self.add_weight(name='kernel',
                                      shape=weight_shape,
                                      initializer='uniform',
                                      trainable=True)
        super(Filter_low, self).build(input_shape)  

    def call(self, x):
        # 用逐元素乘法，广播机制会自动匹配batch维度
        return x * self.kernel

    def compute_output_shape(self, input_shape):
        return input_shape

原调用代码无需修改，运行即可正常生效。

内容的提问来源于stack exchange，提问作者RickySam