向VGG19网络添加Dense层报错求助：AttributeError问题排查

你遇到的AttributeError核心原因是：你把Keras的层对象（model.layers[-1]）直接传给了Dense层，而Dense层需要接收的是张量（Tensor）作为输入。model.layers[-1]返回的是VGG19最后一层的实例（比如默认VGG19的最后一层是predictions Dense层），不是这个层的输出张量，所以Dense层无法识别它的形状，导致报错。

要解决这个问题，你需要获取VGG19模型的输出张量，然后将其作为新Dense层的输入。下面是修正后的代码：

import tensorflow as tf
from tensorflow.keras.applications.vgg19 import VGG19

# 加载预训练的VGG19模型（默认包含顶层全连接层）
base_model = VGG19()

# 获取VGG19模型的输出张量，而不是最后一层的对象
x = base_model.output
# 添加新的Dense层
x = tf.keras.layers.Dense(10, activation="relu", name="new_dense", trainable=True)(x)

# 构建新的模型，输入用base_model的输入，输出用新添加层的输出
model = tf.keras.Model(inputs=base_model.input, outputs=x)

如果你是做迁移学习，通常需要冻结预训练模型的权重，只训练新添加的层，可以在加载模型后添加这行代码：

# 冻结VGG19的所有层，使其权重不被更新
for layer in base_model.layers:
    layer.trainable = False

这样修改后，代码就能正常运行，不会再出现AttributeError了。

内容的提问来源于stack exchange，提问作者Sadegh Moosavi