将层乘以Keras中的布尔掩码，得到错误“ NoneType”对象没有属性“ _inbound_nodes”

Question

关于此错误的线程很多，但我似乎无法将它们应用于我的情况。 这是我正在尝试做的简化版本：

import numpy as np
from keras.models import Model
from keras.layers import Input, multiply, Dense, Lambda, Multiply
import keras.backend as K

一些伪数据：

xx = np.array([1,2,3]).reshape(3,1)
maskvec = np.array([1,2,3]).reshape(3,1)

这是一个将掩码与掩码中的值进行比较的功能：

def compfun(x):
    comp = K.equal(x[0], x[1])
    return K.cast(comp, dtype = "float32")


inp = Input(shape = (1,))
lay = Dense(1)(inp)
mask = Input(shape = (1,))
m2 = Lambda(compfun)([mask, K.variable(2)]) #2 is a magic number.  In my use-case it'll be in a for-loop
masked = multiply([lay, m2])
model = Model(inputs = [inp, mask], outputs = [masked])

和恐惧

AttributeError: 'NoneType' object has no attribute '_inbound_nodes'

非常感谢您对这里发生的事情有所了解！ 真的把我的头撞在墙上。

我试着将第二个参数compfun成一个数组而不是一个常量，但是我遇到了同样的错误（我不知道当另一个参数是向量时， K.equal可以标量）

Answer 1

您可以这样更改：

def compfun(x):
    comp = K.equal(x, K.variable(2))
    return K.cast(comp, dtype = "float32")


m2 = Lambda(compfun)(mask)

Answer 2

事实证明，问题在于`Lambdas在给他们一个作为列表的参数时会窒息，因为他们不知道该函数的非层部分如何处理。 我这样处理问题：

for i in np.unique(loc_idx): 
    mask = Lambda(lambda x: K.cast(K.equal(x, i), dtype = "float32"))(loc_inp)