machine-learning - TypeError:“张量”对象不可调用

我正在尝试显示卷积神经网络每一层的输出。
我正在使用的后端是TensorFlow。
这是代码：

import ....
from keras import backend as K

model = Sequential()

model.add(Convolution2D(32, 3, 3, input_shape = (1,28,28)))
convout1 = Activation('relu')
model.add(convout1)

(X_train, y_train), (X_test, y_test) = mnist_dataset = mnist.load_data("mnist.pkl")
reshaped = X_train.reshape(X_train.shape[0], 1, X_train.shape[1], X_train.shape[2])


from random import randint
img_to_visualize = randint(0, len(X_train) - 1)


# Generate function to visualize first layer
# ERROR HERE
convout1_f = K.function([model.input(train=False)], convout1.get_output(train=False))   #ERROR HERE
convolutions = convout1_f(reshaped[img_to_visualize: img_to_visualize+1])

完整的错误是：


  convout1_f = K.function（[model.input（train = False）]，
  convout1.get_output（train = False））TypeError：'Tensor'对象不是
  可召回的


任何意见或建议均受到高度赞赏。谢谢。

最佳答案

get_output和get_input方法都返回Theano或TensorFlow张量。由于此对象的性质，它不可调用。

为了编译函数，您应该仅提供层张量和称为learning_phase的特殊Keras张量，该张量设置应在哪个选项中调用模型。

在此answer之后，您的函数应如下所示：

convout1_f = K.function([model.input, K.learning_phase()], convout1.get_output)

请记住，调用函数时需要传递True或False以便在学习或训练阶段模式下进行模型计算。

关于machine-learning - TypeError:“张量”对象不可调用，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41911883/