我在尝试将 ConvLSTM 作为我现有 TensorFlow 网络的一部分，因为在使用 TensorFlow 的 ConvLSTM 实现时遇到了一些问题，所以我选择使用 Keras 的 ConvLSTM2D 层来代替。
为了在我的 TensorFlow 会话中使用 Keras，我采用了博客文章中的建议（我使用的是 TensorFlow 后端）：https://blog.keras.io/keras-as-a-simplified-interface-to-tensorflow-tutorial.html
以下是我代码的一部分（导致问题的部分）：
# state 的形状为 [1, 75, 32, 32]，批次大小为1state = tf.concat([screen, screen2, non_spatial], axis=1)# 重塑 state 以使时间维度为1，以便适应 ConvLSTM 的形状state_reshaped = tf.reshape(state, [1, 1, 75, 32, 32])# Keras ConvLSTM2D 层# 我尝试过省略输入形状中的批次大小，但这对错误没有影响，似乎也没问题lstm_layer = ConvLSTM2D(filters=5, kernel_size=(3, 3), input_shape=(1, 1, 75, 32, 32), data_format='channels_first', stateful=True)(state_reshaped)fc1 = layers.fully_connected(inputs=layers.flatten(lstm_layer), num_outputs=256, activation_fn=tf.nn.relu)这导致了以下错误：AttributeError: 'ConvLSTM2D' object has no attribute 'outbound_nodes’”
我不知道这是什么意思。我认为可能是混合使用 Keras 的 ConvLSTM 和 TensorFlow 的 flatten 函数造成的。所以我尝试使用 Keras 的 Flatten() 来代替，像这样：
# lstm_layer 的形状为 (5, 5, 30, 30)lstm_layer = Flatten(data_format='channels_first')(lstm_layer)fc1 = layers.fully_connected(inputs=lstm_layer, num_outputs=256, activation_fn=tf.nn.relu)然后得到了以下错误：ValueError: The last dimension of the inputs to 'Dense' should be defined. Found 'None'.这个错误是由 Flatten() 引起的，出于某种原因，它的输出形状为 (?, ?)，而全连接层需要最后一个维度有定义的形状，但我不知道为什么它会是未定义的。之前它是有定义的。使用 Reshape((4500,))(lstm_layer) 代替会得到同样的 no attribute 'outbound_nodes' 错误。
我在谷歌上搜索了这个问题，似乎我不是唯一遇到这个问题的人，但我找不到解决方案。
我该如何解决这个问题？Flatten() 的未知输出形状是 bug 还是预期行为，如果是，为什么？
回答：
我遇到了同样的问题，并对 TensorFlow 代码进行了一些深入研究。问题在于 Keras 2.2.0 进行了一些重构，而 tf.keras 尚未更新到这个新 API。
‘outbound_nodes’ 属性在 Keras 2.2.0 中被重命名为 ‘_outbound_nodes’。修复这个问题很简单，你需要更新 base.py 中的两个引用：
/site-packages/tensorflow/python/layers/base.py
更新后，我的代码运行正常了。
