【717】Keras报错'NoneType' object has no attribute '_inbound_nodes'

参考：‘NoneType‘ object has no attribute ‘_inbound_nodes‘解决方法汇总

问题原因

出现上图所示是因为在Keras的网络中一切都是要用层来表示，即当网络中一些keras.backend库中的函数如batch_dot、repeat_elements、Subtract、expand_dims函数、当直接使用tensorflow的一些运算函数如tf.matmul等时，均不是Keras中网络的层的概念，故会出现这种情况。

解决方法

解决方法为将自己所需的函数包装成keras的层。

最简单的解决方法就是把所有相乘、相加、数组操作以及相关函数，都用 Lambda 进行修改，注意所有的都要修改！

我自己的代码，我是拆解了，一行一行比对出来的。实际上 Multiple、Add 是可以的，但是直接用“+”就是不行的，这个之前一直没注意！

原函数：

def GFM(F_Net1, F_Net2, channel, G_input):
    F_Net1 = Conv2D(channel, 1, padding='same')(F_Net1)
    F_Net2 = Conv2D(channel, 1, padding='same')(F_Net2)
     
    F_Net_Cat = Concatenate(axis=3)([F_Net1, F_Net2])
    F_Net_Cat = Conv2D(channel, 3, activation='relu', padding='same')(F_Net_Cat)
    F_Net_Cat = Conv2D(channel, 3, activation='relu', padding='same')(F_Net_Cat)
    F_Net_Cat = Conv2D(2, 1, padding='same')(F_Net_Cat)
     
    G_input = UpSampling2D(size=(2,2))(G_input)
    F_G_Add = add([G_input, F_Net_Cat])
    F_G_SoftMax = Conv2D(2, 1, activation="softmax")(F_G_Add)
     
    G_Net1 = F_G_SoftMax[:,:,:,0]
    G_Net2 = F_G_SoftMax[:,:,:,1]
    G_Net1 = K.expand_dims(G_Net1, -1)
    G_Net2 = K.expand_dims(G_Net2, -1)
     
    A_F = multiply([F_Net1, G_Net1]) + multiply([F_Net2, G_Net2])
    G_output = F_G_Add
     
    return A_F, G_output

改写后的函数：

def GFM(F_Net1, F_Net2, channel, G_input):
    F_Net1 = Conv2D(channel, 1, padding='same')(F_Net1)
    F_Net2 = Conv2D(channel, 1, padding='same')(F_Net2)
     
    F_Net_Cat = Concatenate(axis=3)([F_Net1, F_Net2])
    F_Net_Cat = Conv2D(channel, 3, activation='relu', padding='same')(F_Net_Cat)
    F_Net_Cat = Conv2D(channel, 3, activation='relu', padding='same')(F_Net_Cat)
    F_Net_Cat = Conv2D(2, 1, padding='same')(F_Net_Cat)
     
    G_input = UpSampling2D(size=(2,2))(G_input)
    F_G_Add = Add()([G_input, F_Net_Cat])
    F_G_SoftMax = Conv2D(2, 1, activation="softmax")(F_G_Add)
     
    # 转换为下面的形式
    G_Net1 = Lambda(lambda x: x[:,:,:,0])(F_G_SoftMax)
    G_Net2 = Lambda(lambda x: x[:,:,:,1])(F_G_SoftMax)
    G_Net1 = Lambda(lambda x: K.expand_dims(x, -1))(G_Net1)
    G_Net2 = Lambda(lambda x: K.expand_dims(x, -1))(G_Net2)
     
    # 以下两种写法都可以
    A_F1 = Multiply()([F_Net1, G_Net1])
    A_F2 = Multiply()([F_Net2, G_Net2])
    A_F = Add()([A_F1, A_F2])
    #A_F1 = Lambda(lambda x: multiply([x[0], x[1]]))([F_Net1, G_Net1])
    #A_F2 = Lambda(lambda x: multiply([x[0], x[1]]))([F_Net2, G_Net2])
    #A_F = Lambda(lambda x: add([x[0], x[1]]))([A_F1, A_F2])
    G_output = F_G_Add
     
    return A_F, G_output