如何使用 Tensorflow 张量设置功能模型 Keras 层的输入？

我想使用两个包，一个是用Keras1.2编写的，另一个是用tensorflow编写的。我想将在张量流中构建的架构的一部分使用到 Keras 模型中。

建议部分解决方案here https://stackoverflow.com/questions/42441431/how-to-set-the-input-of-a-keras-layer-with-a-tensorflow-tensor，但它适用于顺序模型。关于功能模型的建议——将预处理包装在 Lambda 层中——并没有奏效。

以下代码有效：

inp = Input(shape=input_shape)
def ID(x):
    return x
lam = Lambda(ID)  
flatten = Flatten(name='flatten')
output = flatten(lam(inp))
Model(input=[inp], output=output)

但是，更换时flatten(lam(inp))带有预处理的输出张量flatten(lam(TF_processed_layer))，我得到：“模型的输出张量必须是 Keras 张量。发现：Tensor("Reshape:0", shape=(?, ?), dtype=float32)"

您可以尝试将输入张量包装到 Keras 输入层中，并从那里继续构建模型。就像这样：

inp = Input(tensor=tftensor,shape=input_shape)
def ID(x):
    return x
lam = Lambda(ID)  
flatten = Flatten(name='flatten')
output = flatten(lam(inp))
Model(input=inp, output=output)