如何使用Tensorflow张量设置函数模型的Keras层的输入？

Question

我想使用两个包，一个用Keras1.2编写，另一个用TensorFlow编写。我想将构建在tensorflow中的体系结构的一部分用于Keras模型。

这里提出了一个部分的解决方案，但它是针对顺序模型的。关于功能模型的建议--将预处理包装在一个Lambda层中--没有奏效。

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)

Answer 1

您可以尝试将您的输入张量包装到Keras输入层，然后从那里继续构建您的模型。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)