使用Keras Functional API自定义AddNL合并层时出现__getitem__属性错误

这个错误我之前也碰到过，本质是你在代码里尝试对AddNL层的实例或者它的输出做索引操作（比如用[0]这种方括号取元素），但AddNL对象本身不支持这种行为。下面我给你拆解常见的错误场景和修复方案：

1. 错误地对AddNL层的输出做索引 #

最常见的情况是，你误以为AddNL的输出是一个张量列表，但实际上它返回的是单个张量，却强行加了索引。比如你的代码可能是这样：

from keras.layers.merge import AddNL

# 假设x1、x2是已经定义好的输入张量
merged = AddNL()([x1, x2])
output = merged[0]  # 这里触发错误！merged是单个张量，不是可索引的列表

修复方案：如果AddNL的设计就是返回单个合并后的张量，直接使用merged即可，去掉多余的[0]索引。如果你的业务确实需要AddNL返回多个张量，那就要检查层的实现是否正确（看下面的第3点）。

2. 错误地直接对AddNL层实例做索引 #

另一种情况是你把层的实例化和调用搞混了，直接对层类或实例用了索引，比如：

# 错误写法：直接对AddNL实例做索引
merged_layer = AddNL()[0]

修复方案：Keras Functional API的正确用法是先实例化层（AddNL()），再传入输入张量得到输出，正确写法是：

merged = AddNL()([x1, x2])

3. 自定义AddNL层的实现问题 #

如果AddNL是你自己编写的自定义层，那可能是层的实现不符合Keras的规范：

• 如果你的层应该返回单个张量：确保call方法返回的是单个tf.Tensor或Keras张量，而不是列表。比如：

  class AddNL(Layer):
      def call(self, inputs):
          x1, x2 = inputs
          return x1 + x2  # 返回单个张量，不是列表
  

• 如果你的层需要返回多个张量：需要在层类中正确实现compute_output_shape方法，并且call方法返回张量列表。这样Keras才会识别它是多输出层，输出才能被索引。比如：

  class AddNL(Layer):
      def __init__(self, **kwargs):
          super().__init__(**kwargs)
          self.supports_masking = True  # 可选，如果需要处理掩码
  
      def call(self, inputs):
          x1, x2 = inputs
          add_result = x1 + x2
          activated_result = tf.nn.relu(add_result)
          return [add_result, activated_result]  # 返回张量列表
  
      def compute_output_shape(self, input_shape):
          # 返回对应每个输出的形状
          return [input_shape[0], input_shape[0]]
  

  这种情况下，你就可以安全地对输出做索引：merged[0]、merged[1]。

正确使用示例（单个输出场景） #

from keras.layers import Input, Conv2D
from keras.layers.merge import AddNL
from keras.models import Model

# 定义输入
input1 = Input(shape=(28, 28, 3))
input2 = Input(shape=(28, 28, 3))

# 卷积层处理
x1 = Conv2D(32, (3,3), activation='relu')(input1)
x2 = Conv2D(32, (3,3), activation='relu')(input2)

# 正确调用AddNL合并层
merged = AddNL()([x1, x2])

# 后续输出层
output = Conv2D(10, (1,1), activation='softmax')(merged)

# 构建并查看模型
model = Model(inputs=[input1, input2], outputs=output)
model.summary()

内容的提问来源于stack exchange，提问作者o12d10