我有以下代码，在尝试添加自己的分类器时遇到了错误。

import kerasfrom keras import layers,Modelfrom keras.layers import Input,GlobalAveragePooling2D,Flatten,DenseMobileNetV2_model= tf.keras.applications.MobileNetV2(input_shape=None, alpha=1.0, include_top=False, weights='imagenet')#MobileNetV2_model.summary()x= MobileNetV2_model.outputx = layers.GlobalAveragePooling2D()(x)final_output=layers.Dense(2, activation='sigmoid')(x)model = keras.Model(inputs=MobileNetV2.input, outputs = final_output)model.compile(optimizer="adam", loss='BinaryCrossentropy', metrics=['accuracy'],loss_weights=0.1)

错误

   TypeError: 无法将符号化的Keras输入/输出转换为numpy数组。此错误可能表明您试图将符号值传递给不支持的NumPy调用。或者，您可能试图将Keras符号输入/输出传递给未注册调度的TF API，阻止Keras自动将API调用转换为函数模型中的lambda层。

回答：

您绝不应该混合使用keras和tf.keras。您可以参考下面的工作代码

import tensorflow as tffrom tensorflow.keras import layers, ModelMobileNetV2_model= tf.keras.applications.MobileNetV2(input_shape=(224,224,3), alpha=1.0, include_top=False, weights='imagenet')#MobileNetV2_model.summary()x= MobileNetV2_model.outputx = layers.GlobalAveragePooling2D()(x)final_output=layers.Dense(2, activation='sigmoid')(x)model = Model(inputs=MobileNetV2_model.input, outputs = final_output)model.compile(optimizer="adam", loss='BinaryCrossentropy', metrics=['accuracy'],loss_weights=0.1)