如何在Keras中引用多输出生成器模型的单个输出？

嘿，我之前在构建多输出GAN的时候也碰到过这个坑！咱们来一步步搞定这个问题。

问题根源 #

你遇到的TypeError: unsupported callable，本质是在Keras计算图构建过程中，直接用fake[1]取生成器第二个输出时，没正确拿到张量对象，或者判别器的输入形状和生成器输出不匹配，导致无法正常调用判别器。

正确解决方法 #

方法1：直接通过输出列表索引获取（最直接）

先确认生成器确实返回两个输出张量，然后在构建GAN时先存下所有输出，再取第二个传递给判别器：

gan_input = Input(shape=(100,50), dtype='float32')
# 先获取生成器的所有输出（是一个张量列表）
gen_outputs = generator(gan_input)
# 取第二个输出张量传递给判别器
gan_output = discriminator(gen_outputs[1])

如果这样还是报错，大概率是判别器输入形状和生成器第二个输出形状不匹配。你可以先打印生成器第二个输出的形状确认：

print(generator.outputs[1].shape)

比如你的生成器里dense_2是Dense(2)，输入是(100,50)，经过前面的层后，dense_2的形状应该是(None, 2)，那判别器的输入必须定义为Input(shape=(2,))，否则会出现形状兼容错误。

方法2：给生成器输出命名，通过名称获取（更清晰，适合复杂模型）

给生成器的第二个输出层加个名字，之后通过名称直接获取输出张量，避免索引出错：

# 修改生成器定义，给第二个输出层命名
input = Input(shape=(100,50), dtype='float32')
drop_1 = Dropout(0.3, name='drop_1')(input)
dense_1 = Dense(20, activation='relu')(drop_1)
# 给第二个输出层加名称
dense_2 = Dense(2, name='gan_feature_output')(dense_1)
flatten_1 = Flatten()(dense_2)
preds = Dense(7, activation='softmax', name='class_prediction')(flatten_1)
generator = Model(inputs=input, outputs=[preds, dense_2])
generator.compile(loss=['categorical_crossentropy', None], optimizer='adam', metrics=['acc'])

然后构建GAN时，通过名称获取输出：

gan_input = Input(shape=(100,50), dtype='float32')
# 调用生成器后，通过名称取第二个输出
gen_outputs = generator(gan_input)
feature_output = gen_outputs['gan_feature_output']
# 传递给判别器
gan_output = discriminator(feature_output)

这种方式不仅代码可读性更高，还能避免因为调整输出顺序导致的索引错误。

额外检查点 #

1. 确认判别器的输入形状和生成器第二个输出的形状完全匹配（忽略batch维度）
2. 确保生成器在编译和调用前没有被意外修改结构，比如冻结层或者改动了输出层

内容的提问来源于stack exchange，提问作者Lina Fischer