keras构建模型，层异常 AttributeError: 'NoneType' object has no attribute '_inbound_nodes'

用keras建立模型，然而要插入这个模块CANet（或者改写成层），一直报错报错！！！，报错为 AttributeError: 'NoneType' object has no attribute '_inbound_nodes'，解释为由keras建立模型中，插入了非keras的层。但是我尝试将函数或者计算包装成keras层，仍然无用，求教，求教！！！

def model6(data_in, data_out,):  # 输入（b，c，h，w）
    spec_start = Input(shape=(data_in[-3], data_in[-2], data_in[-1]))
    spec_cnn = spec_start 
    spec_cnn = Conv2D(nb_cnn2d_filt, 3, padding='same')(spec_cnn)
    spec_cnn = BatchNormalization()(spec_cnn)
### 以下就是我要插入的模块（改写成层了）
    input = spec_cnn
    # h = _tensor_shape(input)[2]
    # w = _tensor_shape(input)[3]
    # [n, c, h, w] = input.shape
    x_h = AveragePooling2D(pool_size=(300, 1), strides=1, padding='valid', data_format="channels_first")(input)
    x_w = AveragePooling2D(pool_size=(1, 64), strides=1, padding='valid', data_format="channels_first")(input)
    x_w = Permute((1, 3, 2))(x_w)

    y = Concatenate(axis=3)([x_h, x_w], )
    y = Conv2D(filters=8, kernel_size=1,strides=1, padding="valid")(y)
    y = BatchNormalization()(y)
    y = Activation('relu')(y)

    x_h, x_w = Lambda(tf.split, arguments={"axis": 3, "num_or_size_splits": [64, 300]})(y)   # 分层
    x_w = Permute((1, 3, 2))(y[:, :, :, 64:])

    a_h = Conv2D(filters=64, kernel_size=1,
                 strides=1, padding="valid", activation="sigmoid")(x_h)
    a_w = Conv2D(filters=64, kernel_size=1,
                 strides=1, padding="valid", activation="sigmoid")(x_w)
    spec_cnn = multiply([spec_cnn, a_h, a_w])

################## 模块化
def ca(input):
    identity = input
    # h = _tensor_shape(input)[2]
    # w = _tensor_shape(input)[3]
    # [n, c, h, w] = input.shape
    x_h = AveragePooling2D(pool_size=(300, 1),strides=1,padding='valid',data_format="channels_first")(input)
    x_w = AveragePooling2D(pool_size=(1, 64),strides=1,padding='valid',data_format="channels_first")(input)
    x_w = Permute((1, 3, 2))(x_w)
    y = Concatenate(axis=3)([x_h, x_w],)
    y = Conv2D(filters=8, kernel_size=1,
               strides=1, padding="valid")(y)
    y = BatchNormalization()(y)
    y = Activation('relu')(y)

    x_h, x_w = Lambda(tf.split, arguments={"axis": 3, "num_or_size_splits": [64, 300]})(y) # 分层

    x_w = Permute((1, 3, 2))(y[:,:,:,64:])
    a_h = Conv2D(filters=64, kernel_size=1,
                 strides=1, padding="valid", activation="sigmoid")(x_h)
    a_w = Conv2D(filters=64, kernel_size=1,
                 strides=1, padding="valid", activation="sigmoid")(x_w)
    out = multiply([identity, a_h, a_w])
    return out

你看看这个解决方法：

AttributeError: `NoneType` object has no attribute `_inbound_nodes`_HelloWor1d丶的博客-CSDN博客操作：原本想在网络中对输入图像tensor进行裁剪，直接用了x = x[:, 0:h2, w1:w3].报错：Keras AttributeError: 'NoneType' object has no attribute '_inbound_nodes'原因：Keras搭建的网络中要用层来表示的，不能直接用Tensor或是Numpy。解决方案：利用Lambda封装成一个Layer。示例如下：slice_input = Lambda(lambda x: x[:, 0:h2, w1:w3])(img

https://blog.csdn.net/zjb1191353802/article/details/106586883/

不知道你这个问题是否已经解决, 如果还没有解决的话:

你看下这篇博客吧, 应该有用👉 ：Keras AttributeError: 'NoneType' object has no attribute '_inbound_nodes'报错

除此之外, 这篇博客: keras模型训练报错AttributeError: ‘NoneType‘ object has no attribute ‘_inbound_nodes‘中的 解决方案 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:

（1）由于代码中使用了concatenate以及reshape这两个方法，具体使用例如：

from keras import backend as K
from keras.layers import Dense, Input

inpt = Input(shape=(224, 224, 3))
x = Conv2d(63, (3,3), padding='same', activation='relu')
...
x = K.concatenate([branch1, branch2, branch3], axis=3)
x = K.reshpe(x, (1000,))
# 上面两行代码并不是连续出现，这里写出来，主要描述使用了“连接”“reshape”两种操作；

将其修改为：

from keras.layers import Concatenate, Resahpe
x = Concatenate(axis=3)([branch1, branch2, branch3])
x = Resahpe((1000,))(x)

可以想到，直接使用concatenate或者reshape不是作为一层，而Concatenate或者Reshape是一个layer；
我按照上述方法修改后仍然报错
（2）将自定义层的输出变为keras layer类型，实现也很简单，就是调用keras中的Lambda函数。举例如下：

from tensorflow import squeeze
from keras.layers import Lambda
def squeeze_dim(input):
    output = squeeze(input, axis = [1,2])
def my_model(inputs):
    x = Conv2d(inputs)
    ...
    # 只需要使用Lambda调用预定义好的函数即可
    x = Lambda(squeeze_dim, name='sqe_dim')(x)
    model = Model(input = inputs, output = x)
    ...

（3）激活函数的使用**（我的代码报错的原因）**

    left = Multiply()([left1,keras.activations.sigmoid(right1)])
    right = Multiply()([left2,keras.activations.sigmoid(right2)])

将其修改为：

    left = Multiply()([left1, Activation('sigmoid')(right1)])
    right = Multiply()([left2, Activation('sigmoid')(right2)])

修改后问题解决，没有报错
参考博客：

https://www.cnblogs.com/chenzhen0530/p/10893803.html
https://blog.csdn.net/jorg_zhao/article/details/89929230
https://blog.csdn.net/wdh315172/article/details/105437494
https://blog.csdn.net/weixin_43786241/article/details/106834761

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^