我试图使用tf.keras.layers.Lambda函数的输出作为tf.keras模型中的最后一层，但tf将Lambda层的输出解释为张量(而不是层(对象。
错误为："ValueError:模型的输出张量必须是TensorFlowLayer的输出(因此保存过去的层元数据(。找到：张量("鉴别器/mulayer/mul:0"，shape=(2，2(，dtype=float32(">
代码附在下面
from tensorflow.contrib.keras import layers, models
#lots of stuff up here, all working fine...
logits = layers.Dense(1, name=name+'fc')(x)# x works fine
mullayer = layers.Lambda(lambda x: x * self.alphaVal,name = "mullayer")
test = tf.constant([1.0],shape = (2,2))
testOut = mullayer(test)
outputs = [logits, testOut]
self.disc = models.Model(inputs=inp, outputs=outputs)
self.alphaVal不是keras变量，只是一个float，我怀疑这可能是问题的一部分。如果是，那么在tf.keras中，keras后端K的等价物是什么？
感谢
test不是来自任何被认为是Keras层的地方。
如果test要作为模型的输入，它必须是：
test = Input(tensor=tf.constant([1.0], shape=(2,2))
#there may be some implications with shape, batch size and other stuff....
作为一个有两个输入的模型，您应该记得在定义Model时添加它。
如果希望在不作为输入的情况下使用常数值，则必须而不是将其作为层的"输入"传递。您只需从层内部引用它，或者在层内部创建它。
如果你只想测试你的Lambda层：
inp = Input((2,2))
out = mullayer(inp)
testModel = Model(inp,out)
testModel.predict(np.ones((1,2,2)))