如何使用Tensorflow张量设置功能模型的Keras层的输入？

Question

我有两个我想要使用的软件包，一个用Keras1.2编写，另一个用tensorflow编写。我想使用在张量流中构建到Keras模型中的体系结构的一部分。

建议使用部分解决方案here，但这是一个顺序模型。关于功能模型的建议 - 将预处理包装在Lambda层中 - 不起作用。

以下代码有效：

inp = Input(shape=input_shape)
def ID(x):
    return x
lam = Lambda(ID)  
flatten = Flatten(name='flatten')
output = flatten(lam(inp))
Model(input=[inp], output=output)

但是，当用预处理输出张量flatten(lam(inp))替换flatten(lam(TF_processed_layer))时，我得到：“模型的输出张量必须是Keras张量。发现：Tensor（”Reshape：0“，shape =（？，？），dtype = float32） “

Answer 1

您可以尝试将输入张量包装到Keras输入层，然后从那里继续构建模型。像这样：

inp = Input(tensor=tftensor,shape=input_shape)
def ID(x):
    return x
lam = Lambda(ID)  
flatten = Flatten(name='flatten')
output = flatten(lam(inp))
Model(input=inp, output=output)