解决keras中使用了tensorflow的函数后，导致在input或者output等地方出现的Tensor报错的问题

最新推荐文章于 2026-06-23 13:54:45 发布

原创

最新推荐文章于 2026-06-23 13:54:45 发布 · 2.7k 阅读

收录于

这篇博客主要讲述了在Keras模型构建过程中遇到的Tensor对象错误，由于直接使用Tensorflow的矩阵操作函数导致在Keras的input或output中出现问题。通过分析错误，作者指出在Keras中需要使用lambda函数来包装tensorflow的矩阵乘法和batch_dot操作，以解决不兼容问题。文中提供了问题代码示例及相应的修改方案。

参考1：使用Keras实现Tensor的相乘和相加代码对lambda讲的比较通俗易懂

参考2：AttributeError: ‘Tensor’ object has no attribute ‘_keras_history’ 这篇文章让我关注到了我的代码中的问题所在，比较有针对性地去寻找错误在哪里。

其实本文的标题也可以写作：

如何对tensorflow的矩阵-、矩阵*以及batch_dot用lambda包装。

昨天写模型，在Model(input, output)后遇到了两个错误（其实算是一个错误）：

1. Output tensors to a Model must be Keras  tensors.
2. AttributeError: 'Tensor' object has no attribute '_keras_hist

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

树顶上的橙子

关注关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

YOLOV8模型转TFJS 在Mac下遇到的版本的坑

c1052981766的专栏

07-25

839

1.目的：将训练好的yolov8模型转化成TFJS格式，用于在浏览器中通过tensorflow调用；提示：tensorflow_decision_forests 版本不兼容。有提示：tensorflow需要2.13.1。

参与评论您还未登录，请先登录后发表或查看评论

[问题笔记]PyTorch使用tensorboard报错‘Tensor‘ object has no attribute ‘items‘

江南蜡笔小新

10-27

5129

for tag, scalar_value in tag_scalar_dict.items(): AttributeError: ‘Tensor’ object has no attribute ‘items’ makefile:12: recipe for target ‘train’ failed make: *** [train] Error 1 问题出现原因: 误将 writer.add_scalar写成 writer.add_scalars,这是两个不同的函数 def add_scala

valueError: A KerasTensor cannot be used as input to a TensorFlow function. A KerasTensor is a symbo

论文数据分析辅导,；论文人工智能辅导 huazhongxiaosx

10-03

2844

1. **确保 `input1` 是一个 TensorFlow Tensor**：如果 `input1` 确实是一个 KerasTensor，你需要确保在传递给 `tf.random.normal` 之前将其转换为一个 TensorFlow Tensor。2. **使用 Keras 层包装 TensorFlow 函数**：如果你需要在模型中使用 TensorFlow 函数，你可以创建一个自定义 Keras 层，在这个层的 `call` 方法中调用 TensorFlow 函数。

无需JavaScript的终极导航解决方案：纯CSS实现响应式汉堡菜单与侧边栏

gitblog_00011的博客

05-06

1041

在现代网页设计中，导航系统是用户体验的核心组成部分。而**纯CSS导航**正成为前端开发的新趋势——它不仅能减少页面加载时间，还能简化代码维护。本文将展示如何使用You-Dont-Need-JavaScript项目中的技术，打造一个功能完备、交互流畅的**CSS-only汉堡菜单**，让你的网站在各种设备上都能提供出色的导航体验。 ## 为什么选择纯CSS导航？传统的导航菜单往往依赖Java

【Tensorflow】解决Inputs to eager execution function cannot be Keras symbolic tensors, but found [＜tf.Te

BetterBench的博客

02-27

2259

问题环境 Python 3.8 Tensorflow 2.3 导入的包 from tensorflow.python.keras import * from tensorflow.python.keras.layers import * 程序确定没有问题但是运行会报错Inputs to eager execution function cannot be Keras symbolic tensors, but found [<tf.Tensor ‘input_2:0’ 解决原因是程序但是用t

tensorflow2.3.1报错：Inputs to eager excution function cannot be keras symbolic tensors

charie411的博客

12-01

756

结论法一：新建python3.6环境，安装tensorlfow2.0.0-alpha0→py文件禁用eager excution function【tensorflow.compat.v1.disable_v2_behavior()】法二：tensorflow2.3.1不变，py文件禁用eager excution function【tensorflow.compat.v1.disable_v2_behavior()】两种方法完美解决问题，推荐法2省力省心，原理不懂。用到的linux上安装c

Cannot convert a symbolic Keras input/output to a numpy array

浪子寒的策略空间

06-11

8112

环境： Tensorflow2.4.1 报错： Cannot convert a symbolic Keras input/output to a numpy array. This error may indicate that you're trying to pass a symbolic value to a NumPy call, which is not supported. Or, you may be trying to pass Keras symbolic inputs/outputs

Keras卷积层三要素形状关系详解：input、weights、output维度对齐原理

dglf54292的博客

06-15

321

卷积神经网络中的形状匹配是模型构建的基础能力，本质是输入张量、卷积核权重与输出特征图三者在维度上的严格约束。其核心原理源于张量运算的广播规则与空间滑动机制：输入需满足channels_last格式（batch, h, w, c），权重必须对齐输入通道数并定义滤波器组数量，而输出尺寸由卷积公式决定——受kernel_size、stride和padding协同调控。这一机制保障了特征提取的空间局部性与通道语义一致性，广泛应用于图像分类、目标检测及语义分割等任务。掌握Keras中Conv2D层的input_sha

PyTorch、TensorFlow、Keras工程本质对比：从训练到部署的范式差异

最新发布

weixin_30352191的博客

06-23

421

深度学习框架不仅是代码工具，更是隐含工程契约的技术载体。理解其底层原理——如计算图构建机制（静态图vs动态图）、内存管理策略（CUDA缓存vs TensorFlow内存池）、模型固化路径（SavedModel/TorchScript/ONNX）——是保障AI系统稳定落地的前提。Keras强调快速验证与确定性，TensorFlow聚焦全链路生产可控性，PyTorch则以调试自由换取部署复杂度。本文结合工业缺陷检测、金融时序预测与学术GNN复现三大真实场景，深入剖析框架在数据管道、混合精度、状态管理、服务化及监

PyTorch、TensorFlow与Keras工程选型指南：场景驱动的框架决策方法

weixin_30781775的博客

06-23

255

深度学习框架不是编程语言，而是承载不同工程目标的技术工具链。理解计算图机制（动态图vs静态图）是把握PyTorch灵活性与TensorFlow可部署性的关键起点；掌握SavedModel、TorchScript和ONNX等模型表示范式，才能打通从训练到边缘推理的全链路。TensorFlow Lite的INT8量化能力在Raspberry Pi或Android设备上带来3倍性能提升，而PyTorch的autograd钩子则为算法调试提供不可替代的可观测性。Keras作为TensorFlow的高层API封装，在

【错误解决】AttributeError: ‘Tensor‘ object has no attribute ‘_keras_history‘

GUANYX的博客

06-07

7889

错误分析：主要是由于同时采用了tensorflow和keras的函数，而二者返回的数据一个是tensor，一个是keras.tensor导致不兼容一、错误代码定位二、修正统一修改成一种，比如我将tf.mutiply()修改成了keras中对应的方法keras.layers.Multiply() ...

【已解决】ValueError: Input tensors to a Functional must come from `tf.keras.Input`. Received: 0

weixin_43008154的博客

02-21

1305

该问题出现于tensorflow2.x的使用中，解决方式援引自：https://github.com/egipcy/LIRD/issues/7Q：Hi, i get error: Input tensors to a Functional must come from tf.keras.Input. Received: 0 (missing previous layer metadata)A：use %tensorflow_version 1.x in Collab or switch to tensorf

python 无法引用 tensorflow.keras_解决TensorFlow调用Keras库函数存在的问题

weixin_39580564的博客

11-28

1424

tensorflow在1.4版本引入了keras，封装成库。现想将keras版本的GRU代码移植到TensorFlow中，看到TensorFlow中有Keras库，大喜，故将神经网络定义部分使用Keras的Function API方式进行定义，训练部分则使用TensorFlow来进行编写。一顿操作之后，运行，没有报错，不由得一喜。但是输出结果，发现，和预期的不一样。难道是欠拟合？故采用正弦波预测余...

keras中文文档笔记17——将Keras作为tensorflow的精简接口

zhzhx0318的专栏

08-20

9938

将Keras作为tensorflow的精简接口在tensorflow中调用Keras层让我们以一个简单的例子开始：MNIST数字分类。我们将以Keras的全连接层堆叠构造一个TensorFlow的分类器，import tensorflow as tf sess = tf.Session()from keras import backend as K K.set_session(sess)然后，我们开

自定义模型中遇到的报错日志及解决方法（TensorFlow2.1.0 ）

yaogepila的博客

07-12

1477

TensorFlow 2中遇到的错误日志及解决方法

Keras使用K.function抽取中间层报错： TypeError: `inputs` to a TensorFlow backend function should be a list or t

uncle_ll的博客

08-14

4396

# load the model print("[INFO] loading network...") model = load_model("fashion.model") # load the image image_path = "10026.jpg" image = cv2.imread(image_path) # pre-process the image for classific...

tf.keras遇见的坑：Output tensors to a Model must be the output of a TensorFlow `Layer`