问题描述

最近正在复现BiSenetv2网络。由于目前BiSenetv2的代码基本都是pytorch,所以自己根据论文模型结构完成了模型的keras版本，但是在进行训练时一直出现如下报错
百度了很多发现应该是由于我在使用keras搭建模型时，需要使用TensorFlow夹杂搭建，但是keras无论使用函数式还是序列式，每一层的输出类型都是layer类型 ，所以当使用非keras函数时，得到的变量类型不是layer类型，因此出现以上报错。

解决方案

（1）由于代码中使用了concatenate以及reshape这两个方法，具体使用例如：

from keras import backend as K
from keras.layers import Dense, Input

inpt = Input(shape=(224, 224, 3))
x = Conv2d(63, (3,3), padding='same', activation='relu')
...
x = K.concatenate([branch1, branch2, branch3], axis=3)
x = K.reshpe(x, (1000,))
# 上面两行代码并不是连续出现，这里写出来，主要描述使用了“连接”“reshape”两种操作；

将其修改为：

from keras.layers import Concatenate, Resahpe
x = Concatenate(axis=3)([branch1, branch2, branch3])
x = Resahpe((1000,))(x)

可以想到，直接使用concatenate或者reshape不是作为一层，而Concatenate或者Reshape是一个layer；
我按照上述方法修改后仍然报错
（2）将自定义层的输出变为keras layer类型，实现也很简单，就是调用keras中的Lambda函数。举例如下：

from tensorflow import squeeze
from keras.layers import Lambda
def squeeze_dim(input):
    output = squeeze(input, axis = [1,2])
def my_model(inputs):
    x = Conv2d(inputs)
    ...
    # 只需要使用Lambda调用预定义好的函数即可
    x = Lambda(squeeze_dim, name='sqe_dim')(x)
    model = Model(input = inputs, output = x)
    ...

（3）激活函数的使用**（我的代码报错的原因）**

    left = Multiply()([left1,keras.activations.sigmoid(right1)])
    right = Multiply()([left2,keras.activations.sigmoid(right2)])

将其修改为：

    left = Multiply()([left1, Activation('sigmoid')(right1)])
    right = Multiply()([left2, Activation('sigmoid')(right2)])

修改后问题解决，没有报错
参考博客：
https://www.cnblogs.com/chenzhen0530/p/10893803.html
https://blog.csdn.net/jorg_zhao/article/details/89929230
https://blog.csdn.net/wdh315172/article/details/105437494
https://blog.csdn.net/weixin_43786241/article/details/106834761