为什么将 KerasTensor 传递给 Sequential.add 不会引发 TypeError？

Question

在 keras.Sequential.add 的 definition 中，我们有（根据文档）

    if isinstance(layer, tf.Module):
      if not isinstance(layer, base_layer.Layer):
        layer = functional.ModuleWrapper(layer)
    else:
      raise TypeError('The added layer must be an instance of class Layer. '
                      f'Received: layer={layer} of type {type(layer)}.')

然而，当我执行

model = keras.Sequential()
model.add(keras.Input(100))

a TypeError 未引发。 keras.Input returns 张量，KerasTensor 的 definition 表明它继承自 Object，而不是 Layer。

为什么我可以将 Input 添加到 Sequential，而不是像我期望的那样被要求添加 InputLayer？

Answer 1

好问题，如果你看一下 source code，我们读到：

If we are passed a Keras tensor created by keras.Input(), we can extract the input layer from its keras history and use that without any loss of generality.

似乎 keras.Input 正在内部转换为 InputLayer here:

    if hasattr(layer, '_keras_history'):
      origin_layer = layer._keras_history[0]
      if isinstance(origin_layer, input_layer.InputLayer):
        layer = origin_layer

这也可以用这个片段来验证：

inputs = tf.keras.Input(100)
print(inputs._keras_history[0])

<keras.engine.input_layer.InputLayer object at 0x7f9379a0cdd0>

这就是您没有看到任何错误的原因。

为什么将 KerasTensor 传递给 Sequential.add 不会引发 TypeError？

Why does passing a KerasTensor to Sequential.add not raise a TypeError?

python

tensorflow

keras

tf.keras