模型的输出张量必须是凯拉斯张量

问题描述：

我试图从两个模型输出之间的差异中学习模型。所以我做了如下的代码。但它发生的错误如下：模型的输出张量必须是凯拉斯张量

TypeError：模型的输出张量必须是Keras张量。发现：Tensor（“sub：0”，shape =（?, 10），dtype = float32）

我找到了包括Lambda在内的相关答案，但我无法解决此问题。有谁知道这个问题？可以看出将张量转换为keras张量。

Thx提前。

from keras.layers import Dense 
from keras.models import Model 
from keras.models import Sequential 

left_branch = Sequential() 
left_branch.add(Dense(10, input_dim=784)) 

right_branch = Sequential() 
right_branch.add(Dense(10, input_dim=784)) 

diff = left_branch.output - right_branch.output 

model = Model(inputs=[left_branch.input, right_branch.input], outputs=[diff]) 
model.compile(optimizer='rmsprop', loss='binary_crossentropy', loss_weights=[1.]) 

model.summary(line_length=150)

答

这是更好地保持由层完成所有的操作，不减去这样的输出（我不会冒险做的事情隐藏的错误不同于文档所期待的）：

from keras.layers import * 

def negativeActivation(x): 
    return -x 

left_branch = Sequential() 
left_branch.add(Dense(10, input_dim=784)) 

right_branch = Sequential() 
right_branch.add(Dense(10, input_dim=784)) 

negativeRight = Activation(negativeActivation)(right_branch.output) 
diff = Add()([left_branch.output,negativeRight]) 

model = Model(inputs=[left_branch.input, right_branch.input], outputs=diff) 
model.compile(optimizer='rmsprop', loss='binary_crossentropy', loss_weights=[1.])

当加入模型这样，我不喜欢用做它的Model方式，使用层，而不是使用Sequential：

def negativeActivation(x): 
    return -x 

leftInput = Input((784,)) 
rightInput = Input((784,)) 

left_branch = Dense(10)(leftInput) #Dense(10) creates a layer 
right_branch = Dense(10)(rightInput) #passing the input creates the output 

negativeRight = Activation(negativeActivation)(right_branch) 
diff = Add()([left_branch,negativeRight]) 

model = Model(inputs=[leftInput, rightInput], outputs=diff) 
model.compile(optimizer='rmsprop', loss='binary_crossentropy', loss_weights=[1.])

有了这个，你可以创建其他车型一样的层，它们将共享相同的权重：

leftModel = Model(leftInput,left_branch) 
rightModel = Model(rightInput,right_branch) 
fullModel = Model([leftInput,rightInput],diff)

如果他们共享同一图层，其中一个会影响其他人。例如，您可以在编译之前制作left_branch.trainable = False（例如，再次编译以进行培训），从而训练完整模型中的正确部分。

谢谢！，它的工作原理。我很感激，这将有所帮助。 – semenbari

:) - 此外，对于这个答案不是必需的，但是不像我那样使用'Activation'，理解'Lambda'层也是一个好主意。 –

答

我想我解决了这个问题，但它可能是确切的解决方案。我加了类似下面的一些代码：

diff = left_branch.output - right_branch.output 
setattr(diff, '_keras_history', getattr(right_branch.output, '_keras_history')) 
setattr(diff, '_keras_shape', getattr(right_branch.output, '_keras_shape')) 
setattr(diff, '_uses_learning_phase', getattr(right_branch.output, '_uses_learning_phase'))

为什么发生错误的DIFF张量不具有ATTR命名_keras_history等原因。因此，故意添加差异张量可以防止出现上述错误。我检查了原始代码，并且可以学习。

模型的输出张量必须是凯拉斯张量

相关推荐