问题描述
问题总结
我使用函数式 API 创建了 keras 模型，没有任何错误。
但是当我调用model.summary()时，没有任何层，只有参数存在。
当我调用model.layers时，返回空列表。
例如，我创建了简单的 mlp 模型。
input = Input(shape = (20,))
x = Dense(30,name = 'dense1')(input)
x = Dense(20,name = 'dense2')(x)
output = Dense(1)(x)
model = keras.models.Model(inputs = input,outputs = output)
model.compile(loss = 'mse',optimizer = 'adam')
上面的代码执行没有任何错误。 但是当我调用summary方法或layers方法时，没有任何图层出现。
model.layers
-> []
model.summary()
-> Model: "model"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
Total params: 1,271
Trainable params: 1,271
Non-trainable params: 0
_________________________________________________________________
但是尽管没有任何层，但该模型能够进行训练和推理。 更奇怪的是，这只发生在 Google colab pro 上。在 kaggle 内核中， 相同的代码可以毫无问题地创建所有层。
要使用函数式 API 制作更复杂的模型，必须存在层。有没有人知道为什么会在 google colab 上发生这种情况？
解决方法
您可能正在混合使用 keras 和 tensorflow 库。由于 Tensorflow 实现了 keras 库，这是导入 keras 和 tensorflow 并随机使用它们的开发人员之间的常见错误，这会导致一些奇怪的行为。
只需在整个代码中使用 import tensorflow.keras 或 import keras。
例如，如果我这样编码（随机使用两个库）：
import keras #import keras
import tensorflow as tf
from tensorflow.keras.layers import Dense #import layers from tensorflow.keras
from tensorflow.keras import Input
input = Input(shape = (20,))
x = Dense(30,name = 'dense1')(input)
x = Dense(20,name = 'dense2')(x)
output = Dense(1)(x)
model = keras.models.Model(inputs = input,outputs = output)
model.compile(loss = 'mse',optimizer = 'adam')
model.summary()
输出将是：
Model: "model"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
Total params: 1,271
Trainable params: 1,271
Non-trainable params: 0
_________________________________________________________________
但是如果我修改导入并只使用 tensorflow.keras 而不是像这样使用 keras：
import tensorflow as tf
from tensorflow.keras.layers import Dense
from tensorflow.keras import Input
from tensorflow.keras.models import Model
input = Input(shape = (20,name = 'dense2')(x)
output = Dense(1)(x)
model = Model(inputs = input,optimizer = 'adam')
model.summary()
我会得到这样的输出：
Model: "model"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_3 (InputLayer) [(None,20)] 0
_________________________________________________________________
dense1 (Dense) (None,30) 630
_________________________________________________________________
dense2 (Dense) (None,20) 620
_________________________________________________________________
dense_2 (Dense) (None,1) 21
=================================================================
Total params: 1,271
Non-trainable params: 0
_________________________________________________________________