使用Keras VGG16设置include_top=False时Flatten层报错问题咨询
报错原因分析
- 最高发诱因是Keras导入路径不统一:如果你的
VGG16从keras.applications导入,而Flatten、layers、Model等API从tensorflow.keras导入,两套独立的Keras框架生成的张量格式互不兼容,Flatten层无法识别非同源的KerasTensor对象,就会误判为None触发类型错误。 - 次要诱因是TensorFlow版本bug:2.4~2.7版本的TensorFlow存在预训练模型张量对接的已知问题,也会触发该类报错。
修复方案
方案1:统一所有Keras相关API的导入路径
将所有Keras接口的导入源统一为tensorflow.keras,参考导入写法:
from tensorflow.keras.applications.vgg16 import VGG16 from tensorflow.keras import layers, optimizers from tensorflow.keras.models import Model from tensorflow.keras.callbacks import EarlyStopping import tensorflow.keras as keras
修改导入后重新运行即可解决90%以上的同类型报错。
方案2:添加中间特征提取模型中转
如果统一导入后仍报错,可以新增一层中转模型封装VGG16的特征输出,避免直接调用层输出的兼容问题:
input_shape = (150,150,3) model_1 = VGG16(weights='imagenet',include_top=False,input_shape=input_shape) # 新增中转模型逻辑 feature_extractor = Model(inputs=model_1.input, outputs=model_1.layers[-1].output) Last_layer = feature_extractor.output # 后续Flatten层调用代码保持不变 Model_Vgg=keras.layers.Flatten()(Last_layer)
方案3:切换TensorFlow稳定版本
如果上述方案都无效,可将TensorFlow版本升级到2.10+正式版,或降级到2.2等更早的稳定版本,规避版本自带的功能bug。
内容的提问来源于stack exchange,提问作者Ahmed Alshoki
相关产品推荐
相关产品推荐

