Keras中KerasTensor特定位置赋值报错的解决方法问询

问题原因 #

Keras函数式API构建模型时使用的是符号化的KerasTensor对象，属于计算图的占位节点，不支持原位赋值操作，这就是你遇到两个报错的根本原因。你需要用张量拼接的方式实现通道替换，完全用计算图支持的运算完成逻辑。

实现代码 #

import tensorflow as tf
from tensorflow.keras import layers, Model

def create_model(filters=32):
    inputs = layers.Input((32, 32, 20))

    x = layers.Conv2D(filters, 3, padding='same')(inputs)
    x = layers.BatchNormalization()(x)
    x = layers.ReLU()(x)
    
    outputs = layers.Conv2D(6, 1, padding='same')(x)
    outputs = outputs * inputs[..., :1]
    
    # 替换第0个通道的逻辑，替代原位赋值
    new_channel_0 = tf.ones_like(inputs[..., 0]) - inputs[..., 0]
    # 扩展维度适配拼接要求：[batch, H, W] -> [batch, H, W, 1]
    new_channel_0 = tf.expand_dims(new_channel_0, axis=-1)
    # 取出剩下的1~5通道保持原有数值
    remaining_channels = outputs[..., 1:]
    # 沿最后一维拼接得到最终输出
    outputs = tf.concat([new_channel_0, remaining_channels], axis=-1)
    
    model = Model(inputs, outputs)
    return model

逻辑说明 #

该实现完全符合你给出的预期效果：

1. 输出的第0通道值严格等于tf.ones_like(inputs[..., 0]) - inputs[..., 0]，和你需要的赋值结果完全一致
2. 剩下的第1到第5通道保持乘完inputs[..., :1]后的数值不变
3. 所有运算都兼容Keras计算图构建规则，不会再出现赋值相关的报错

内容的提问来源于stack exchange，提问作者Yalikesi