“ValueError：名称“input_2”在 model 中使用了 2 次。所有图层名称都应该是唯一的。” keras 错误 seq2seq model

Question

我在 Keras 库和 Seq2Seq model 的帮助下在 python 中编写了一个聊天机器人。我首先训练 model，然后将其保存到 a.h5 文件中并从该文件加载以使用经过训练的 model。但是，当我尝试加载时我的 model 来自 my.h5 文件，我收到错误：“ValueError：名称“input_2”在 model 中使用了 2 次。所有图层名称都应该是唯一的。” 作为参考，我用来加载 model 的代码是（以 training_model.h5 作为保存文件）

latent_dim = 256
decoder_inputs = training_model.input[1] 
decoder_state_input_hidden = Input(shape=(latent_dim,))
decoder_state_input_cell = Input(shape=(latent_dim,))
decoder_states_inputs = [decoder_state_input_hidden, decoder_state_input_cell]
decoder_lstm = training_model.layers[3]
decoder_outputs, state_hidden, state_cell = decoder_lstm(decoder_inputs, initial_state=decoder_states_inputs)
decoder_states = [state_hidden, state_cell]
decoder_dense = training_model.layers[4]
decoder_outputs = decoder_dense(decoder_outputs)
decoder_model = Model([decoder_inputs] + decoder_states_inputs, [decoder_outputs] + decoder_states)

似乎没有任何图层名称被重复给我。 有人可以帮我弄清楚问题是什么。

堆栈跟踪：

Traceback (most recent call last):
  File "chatbot.py", line 169, in <module>
    decoder_model = Model([decoder_inputs] + decoder_states_inputs, [decoder_outputs] + decoder_states)
  File "C:\_MyPrograms\anaconda\envs\Alicia\lib\site-packages\keras\legacy\interfaces.py", line 91, in wrapper
    return func(*args, **kwargs)
  File "C:\_MyPrograms\anaconda\envs\Alicia\lib\site-packages\keras\engine\network.py", line 94, in __init__
    self._init_graph_network(*args, **kwargs)
  File "C:\_MyPrograms\anaconda\envs\Alicia\lib\site-packages\keras\engine\network.py", line 241, in _init_graph_network
    self.inputs, self.outputs)
  File "C:\_MyPrograms\anaconda\envs\Alicia\lib\site-packages\keras\engine\network.py", line 1523, in _map_graph_network
    ' times in the model. '
ValueError: The name "input_2" is used 2 times in the model. All layer names should be unique.

提前致谢。

Answer 1

尝试这个：

decoder_model = Model(inputs=[decoder_inputs].append(decoder_states_inputs), outputs=[decoder_outputs].append(decoder_states))

Answer 2

decoder_inputs_t = model.input[1]  # input_2
decoder_inputs = tf.identity(decoder_inputs_t)

这可以运行。

Answer 3

我知道我来晚了，但这可能对其他人有帮助。 文档页面中给出的代码也对我提出了错误

ValueError: The name "input_2" is used 2 times in the model. All layer names should be unique.

因此，我尝试自己查看错误，因为在线没有解决方案。 此错误来自解码器推理部分。 我做了一些改变，这个奇怪的技巧对我有用

而不是这样做 -

latent_dim = 256
decoder_inputs = training_model.input[1] 
decoder_state_input_hidden = Input(shape=(latent_dim,))
decoder_state_input_cell = Input(shape=(latent_dim,))
decoder_states_inputs = [decoder_state_input_hidden, decoder_state_input_cell]
decoder_lstm = training_model.layers[3]
decoder_outputs, state_hidden, state_cell = decoder_lstm(decoder_inputs, initial_state=decoder_states_inputs)
decoder_states = [state_hidden, state_cell]
decoder_dense = training_model.layers[4]
decoder_outputs = decoder_dense(decoder_outputs)
decoder_model = Model([decoder_inputs] + decoder_states_inputs, [decoder_outputs] + decoder_states)

我刚刚做了这个改变 -

try:
    latent_dim = 256
    decoder_inputs = keras.Input(shape=(None,))
    decoder_state_input_hidden = Input(shape=(latent_dim,))
    decoder_state_input_cell = Input(shape=(latent_dim,))
    decoder_states_inputs = [decoder_state_input_hidden, decoder_state_input_cell]
    decoder_lstm = training_model.layers[3]
    decoder_outputs, state_hidden, state_cell = decoder_lstm(decoder_inputs, initial_state=decoder_states_inputs)
    decoder_states = [state_hidden, state_cell]
    decoder_dense = training_model.layers[4]
    decoder_outputs = decoder_dense(decoder_outputs)
    decoder_model = Model([decoder_inputs] + decoder_states_inputs, [decoder_outputs] + decoder_states)

except:
    latent_dim = 256
    decoder_inputs = training_model.input[1]
    decoder_state_input_hidden = Input(shape=(latent_dim,))
    decoder_state_input_cell = Input(shape=(latent_dim,))
    decoder_states_inputs = [decoder_state_input_hidden, decoder_state_input_cell]
    decoder_lstm = training_model.layers[3]
    decoder_outputs, state_hidden, state_cell = decoder_lstm(decoder_inputs, initial_state=decoder_states_inputs)
    decoder_states = [state_hidden, state_cell]
    decoder_dense = training_model.layers[4]
    decoder_outputs = decoder_dense(decoder_outputs)
    decoder_model = Model([decoder_inputs] + decoder_states_inputs, [decoder_outputs] + decoder_states)

我不知道它是如何或为什么以这种方式工作的，但它对我有用。

PS - 对于我的 seq2seq model，这是解码器输入形状decoder_inputs = keras.Input(shape=(None,))

Answer 4

我通过在为 decoder_state_input_hidden 和 decoder_state_input_cell 创建输入层时添加名称来消除此错误。 我认为问题在于这样做：

decoder_inputs = training_model.input[1] 

还有这个：

decoder_state_input_cell = Input(shape=(latent_dim,))

它将在 dec_model 中产生名为 input_2 的 2 层（第一个来自训练 model，第二个来自使用的第二个 Input(...)）。

你应该试试这个：

decoder_state_input_hidden = Input(shape=(latent_dim,), name='anotherInput1')
decoder_state_input_cell = Input(shape=(latent_dim,), name='anotherInput2')