Ваша проблема в том, что вы используете распаковку аргументов в лямбда при использовании Python 3. Вместо этого:
lambda(x,y): sum(n[1] for n in y)
Сделайте это:
lambda item: sum(n[1] for n in item[1])
Эта ошибка вызвана:
layer_outputs = [layer.output for layer in model.layers[:8]]
, и это говорит о том, что первый слой (входной слой) и загружается и выбирается.
Вот обходной путь:
import keras.backend as K
layer_outputs = [K.identity(layer.output) for layer in model.layers[:8]]
РЕДАКТИРОВАТЬ: полный пример, код адаптирован из: Mask_RCNN - run_graph
import numpy as np
import keras.backend as K
from keras.models import Sequential, Model
from keras.layers import Input, Dense, Flatten
model = Sequential()
ip = Input(shape=(512,512,3,))
fl = Flatten()(ip)
d1 = Dense(20, activation='relu')(fl)
d2 = Dense(3, activation='softmax')(d1)
model = Model(ip, d2)
model.compile('adam', 'categorical_crossentropy')
model.summary()
layer_outputs = [K.identity(layer.output) for layer in model.layers]
#layer_outputs = [layer.output for layer in model.layers] #fails
kf = K.function([ip], layer_outputs)
activations = kf([np.random.random((1,512,512,3))])
print(activations)