以下函数我尝试在 tf.keras.layers.Lambda() 中调用，遵循 TF 2.0 的标准。 inputs 和 outputs 张量将是两个具有相同尺寸和3个颜色通道的图像。我的目标是从 outputs 张量中提取一个掩码，将其应用到 inputs 张量，然后返回结果张量。将张量展平的动机是由于 tf.tensor_scatter_nd_update() 函数的限制。当我构建模型时，由于 indices.shape[0] 是一个 None 值，无法初始化 updates。如果我在模型外使用两个 tf.constant() 张量来初始化 x，在急切执行模式下（因为 x 张量有定义的值），它运行得非常好。不幸的是，当我用 tf.keras.layers.Lambda() 调用这个函数时，我收到了以下错误：
TypeError: can't multiply sequence by non-int of type 'NoneType'
@tf.functiondef applyMask(x): # 提取张量 inputs = x[0] outputs = x[1] # 展平输出张量并提取掩码索引 outputs = tf.reshape(outputs,(tf.size(outputs),)) indices = tf.where(outputs==1.) indices = tf.cast(indices, tf.int32) # 从掩码索引构建更新张量 updates = tf.constant([1.]*indices.shape[0]) # 展平输入张量并应用掩码 out_dim = inputs.shape inputs = tf.reshape(inputs,(tf.size(inputs),)) tensor = tf.tensor_scatter_nd_update(inputs, indices, updates) # 重构输入为张量 tensor = tf.reshape(tensor, out_dim) return tensor回答：
不需要这么复杂。只需这样做，
inp1 = Input(shape=(None, None, 3)) # 输入inp2 = Input(shape=(None, None, 3)) # 输出out = Lambda(lambda x: tf.where(tf.equal(x[1], 1), x[1], x[0]))([inp1, inp2])甚至可以让 height 和 width 为 None，只要传递给 inp1 和 inp2 的并行样本在形状上完全相同，tf.where 就能正常工作。
