AttributeError: 'Model' 对象在输入层连接期间没有属性 '_name'

Question

我不明白出了什么问题。我需要有两组输入，所以我将它们分开以给每个输入一个名称（服务目的），然后将它们连接起来以将它们链接到下一层。

layer_input1  = tf.keras.Input(shape=(None, 1), name='layer1')

layer_input2  = tf.keras.Input(shape=(None, 1), name='layer2')

layer_input = tf.keras.layers.concatenate([layer_input1, layer_input2], name='inputs')

fc_1 = tf.keras.layers.Dense(2,

                             activation='relu')(layer_input)

fc_1 = tf.keras.layers.Dropout(0.5)(fc_1)

fc_2 = tf.keras.layers.Dense(10,

                             activation='relu')(fc_1)

output_layer = tf.keras.layers.Dense(1,

                             activation='relu', name='predictions')(fc_2)

model = tf.keras.Model(inputs=layer_input, outputs=output_layer)

AttributeError                            Traceback (most recent call last)

<ipython-input-430-b567199137e0> in <module>()

     10 output_layer = tf.keras.layers.Dense(1,

     11                              activation='relu', name='predictions')(fc_2)

---> 12 model = tf.keras.Model(inputs=layer_input, outputs=output_layer)

AttributeError: 'Model' object has no attribute '_name'

Answer 1

只需将您的输入层设置为模型输入。model&nbsp;=&nbsp;tf.keras.Model(inputs=[layer_input1,&nbsp;layer_input2],&nbsp;outputs=output_layer)注意 concatenate 是一个操作，而不是 Layer 对象。但是即使你用 Lambda 把它包装成 Layer，它也不会拥有一些属性keras.layers.Input