Keras重复共享权重模型拼接固定输入报错求助

我来帮你搞定这个问题～先给你拆解下报错原因，再给出可行的解决方案：

报错根源 #

你遇到的ValueError核心问题在于：直接对Input张量做切片操作（input[:,outshape:]）没有经过Keras层的封装。Keras要求构建Model时，所有输出张量都必须是Keras Layer的输出（带有层的元数据），而你直接切片得到的是原生TensorFlow张量，没有关联任何Keras层的信息，导致后续的计算图链路不符合Keras的模型构建规则。

解决方案：用Lambda层封装切片操作 #

把提取输入固定部分的切片逻辑封装到Keras的Lambda层里，这样得到的张量就是合法的Keras层输出，带有完整的元数据，就能正常参与后续的拼接和模型调用了。

以下是修改后的完整可运行代码：

from tensorflow import keras

inshape = 4
outshape = 2

# 定义基础模型
input = keras.layers.Input(shape=(inshape,))
layer1 = keras.layers.Dense(32)(input)
out = keras.layers.Dense(outshape)(layer1)
base_model = keras.Model(input, out)

# 提取输入的固定部分（用Lambda层封装，保证是Keras层的输出）
fixed_part = keras.layers.Lambda(lambda x: x[:, outshape:])(input)

n_repeat = 1
# 初始化当前输出为基础模型的第一次输出
current_out = base_model(input)
for _ in range(n_repeat):
    # 拼接前一次输出和固定部分
    concatenated = keras.layers.Concatenate(axis=1)([current_out, fixed_part])
    current_out = base_model(concatenated)

# 构建最终模型
model = keras.Model(input, current_out)
model.summary()

关键修改点说明 #

• 用Lambda层替代直接切片：keras.layers.Lambda(lambda x: x[:, outshape:])(input)，把提取固定部分的操作封装成Keras的一个层，让输出张量带有层的元数据，完全符合Keras的要求。
• 调整循环逻辑：先初始化current_out为基础模型的第一次输出，再在循环里完成拼接和模型调用，确保整个计算链路的所有张量都来自Keras层的输出。

这样修改后，你就可以正常构建包含共享权重、且每次重复时复用输入固定部分的模型了，不会再触发之前的报错。

内容的提问来源于stack exchange，提问作者Sip