使用Keras创建模型数组时遇AttributeError错误，求排查方案

这个错误的根源很明确：你在循环创建模型时，第一个模型的卷积核尺寸被设置成了0，这直接导致了后续的张量操作异常。

看你的代码，循环变量i从0开始，kernel_size=i*3，当i=0时，kernel_size=0，而Keras的Conv2D层要求卷积核尺寸必须是大于0的正整数（比如3x3、5x5这类常用值）。用0作为卷积核尺寸会创建一个无效的层，对应的权重张量会变成异常的Tensor对象，当优化器尝试更新这些权重时，就会触发'Tensor' object has no attribute 'assign'的错误。

修复步骤 #

只需要调整kernel_size的计算逻辑，确保它始终是有效的正整数即可，比如把循环里的计算改成(i+1)*3，这样第一个模型用3x3卷积核，第二个用6x6，以此类推：

for i in range(num_models):
    mod = self._build_model(
        num_classes=num_classes, input_shape=input_shape, kernel_size=(i+1)*3)
    self.models.append(mod)

或者如果你希望从3开始按步长3递增，也可以写成3 + i*3，效果是一样的。

额外说明 #

卷积核的尺寸是卷积操作的核心参数之一，必须满足：

• 是正整数（或正整数组成的元组）
• 不能大于输入特征图的尺寸（否则会导致卷积后输出尺寸为负，同样会报错）
  建议你根据输入图像的尺寸选择合适的卷积核大小，比如输入是28x28的MNIST图像，用3x3、5x5都是安全的选择。

内容的提问来源于stack exchange，提问作者Shamoon