连接错误：添加的层必须是类Lay的实例

Question

我在Keras中做了一个片段，我有两个顺序模型需要合并到第三个模型中，这是我的最终模型。代码片段是用Keras的一个版本构建的，其中允许使用Merge方法，所以现在我尝试用concatenate method with axis = 0替换它，因此行为与Merge（）相同。尽管进行了所有这些修改，我还是收到了以下stacktrace作为输出：

Traceback (most recent call last):
  File ".\CaptionGenerator.py", line 738, in <module>
    caption.BeamPredictor('image.PNG')
  File ".\CaptionGenerator.py", line 485, in BeamPredictor
    self.SetNeuralNetworksWithoutApi()
  File ".\CaptionGenerator.py", line 433, in SetNeuralNetworksWithoutApi
    Activation('softmax')
  File "D:\Anaconda\lib\site-packages\keras\engine\sequential.py", line 92, in __init__
    self.add(layer)
  File "D:\Anaconda\lib\site-packages\keras\engine\sequential.py", line 131, in add
    'Found: ' + str(layer))
TypeError: The added layer must be an instance of class Layer. Found: Tensor("concatenate_1/concat:0", shape=(?, 40, 300), dtype=float32)

代码段代码是：

^{pr2}$

我无法理解concatenate（）的结果不应该是Layer类的实例的原因，因为从函数返回的对象中没有一个Layer属性，根据文档，该属性是张量。有没有办法在不切换到API的情况下解决这个问题？谢谢。在

Answer 1

至少对于最终的模型，您需要切换到functional API，因为Sequential被设计成具有一个单一的输入，因此您在其中强制使用2个张量，这是行不通的。这是因为Sequential为其输入创建了一个占位符。大致如下：

image_model = Sequential([
Dense(embedding_size, input_shape=(2048,), activation='relu'),
RepeatVector(self.MaxCaptionLength)
])

caption_model = Sequential([
Embedding(self.numberOfWords, embedding_size, input_length=self.MaxCaptionLength),
LSTM(256, return_sequences=True),
TimeDistributed(Dense(300))
])

image_in = Input(shape=(2048,))
caption_in = Input(shape=(MaxCaptionLength, numberOfWords))
merged = concatenate([image_model(image_in), caption_model(caption_in)], axis=0)
latent = Bidirectional(LSTM(256, return_sequences=False))(merged)
out = Dense(self.numberOfWords, activation='softmax')(latent)
final_model = Model([image_in, caption_in], out)

final_model.compile(loss='categorical_crossentropy', optimizer=RMSprop(), metrics=['accuracy'])
final_model.summary()

您仍然可以将图像和标题模型分开，但是即使有一个解决方法可以使用2个输入顺序连接，我也不推荐它，因为它不是API的预期用途。在