我想在我的自定义层中使用keras层，但是我无法将层的输出作为张量而不是对象返回

Question

显示的错误是 无法转换类型类为'tensorflow.python.keras.layers.pooling.MaxPooling2D'的对象 到张量。 我已经尝试了很多事情，但是无法对这个错误进行排序。

```class Mixed_pooling():
      def __init__(self, **kwargs):
          super(Mixed_pooling, self).__init__(**kwargs)

      def build(self, input_shape):
          self.alpha = self.add_weight(
          name='alpha', shape=(1,),
          initializer='random_normal',
          trainable=True
          )
          super(Mixed_pooling, self).build(input_shape)

      def call(self, x):
          x1 = tf.keras.layers.MaxPooling2D(pool_size=(2, 2), strides=(2,2), padding='VALID')
          x2 = tf.keras.layers.AveragePooling2D(pool_size=(2, 2), strides=(2,2), padding='VALID')
          outputs = tf.add(tf.multiply(x1, self.alpha), tf.multiply(x2, (1-self.alpha)))
          return outputs```

Answer 1

即使在注释部分（感谢Slowpoke）中存在此解决方案（答案部分），在此处提供该解决方案，都是为了社区的利益。

由于tf.keras.layers.MaxPooling2D()和tf.keras.layers.AveragePooling2D()是类对象，因此需要在build函数中实例化这些对象，然后在call函数中使用它们。

修改的代码-

import tensorflow as tf

class Mixed_pooling():
      def __init__(self, **kwargs):
          super(Mixed_pooling, self).__init__(**kwargs)

      def build(self, input_shape):
          self.alpha = self.add_weight(
          name='alpha', shape=(1,),
          initializer='random_normal',
          trainable=True
          )
          self.maxpool=tf.keras.layers.MaxPooling2D(pool_size=(2, 2), strides=(2,2), padding='VALID')
          self.avgpool =  tf.keras.layers.AveragePooling2D(pool_size=(2, 2), strides=(2,2), padding='VALID')
          super(Mixed_pooling, self).build(input_shape)

      def call(self, x):
          x1 = self.maxpool(x)
          x2 = self.avgpool(x)
          outputs = tf.add(tf.multiply(x1, self.alpha), tf.multiply(x2, (1-self.alpha)))
          return outputs

layer1 = Mixed_pooling()
print(layer1)

输出-

<__main__.Mixed_pooling object at 0x7fce31e46550>

希望这能回答您的问题。祝您学习愉快。