变分自动编码器（keras）中的新错误

Question

我曾经使用此代码来训练变分自动编码器（我在论坛上找到了代码并对其进行了调整以适应我的需要）：

import pickle
from pylab import mpl,plt

#lecture des résultats

filename=r'XXX.pic'

data_file=open(filename,'rb')
X_sec = pickle.load(data_file)#[:,3000:]
data_file.close()

size=X_sec.shape[0]
prop=0.75

cut=int(size*prop)

X_train=X_sec[:cut]
X_test=X_sec[cut:]

std=X_train.std()

X_train /= std
X_test /= std

import keras
from keras import layers
from keras import backend as K
from keras.models import Model
import numpy as np

#encoding_dim = 12

sig_shape = (3600,)
batch_size = 128
latent_dim = 12
input_sig = keras.Input(shape=sig_shape)

x = layers.Dense(128, activation='relu')(input_sig)
x = layers.Dense(64, activation='relu')(x)
shape_before_flattening = K.int_shape(x)

x = layers.Dense(32, activation='relu')(x)

z_mean = layers.Dense(latent_dim)(x)
z_log_var = layers.Dense(latent_dim)(x)

encoder=Model(input_sig,[z_mean,z_log_var])



def sampling(args):
    z_mean, z_log_var = args
    epsilon = K.random_normal(shape=(K.shape(z_mean)[0], latent_dim),
    mean=0., stddev=1.)
    return z_mean + K.exp(z_log_var) * epsilon

z = layers.Lambda(sampling)([z_mean, z_log_var])

decoder_input = layers.Input(K.int_shape(z)[1:])
x = layers.Dense(np.prod(shape_before_flattening[1:]),activation='relu')(decoder_input)
x = layers.Reshape(shape_before_flattening[1:])(x)
x = layers.Dense(128, activation='relu')(x)
x = layers.Dense(3600, activation='linear')(x)

decoder = Model(decoder_input, x)
z_decoded = decoder(z)

class CustomVariationalLayer(keras.layers.Layer):
    def vae_loss(self, x, z_decoded):
        x = K.flatten(x)
        z_decoded = K.flatten(z_decoded)
        xent_loss = keras.metrics.mae(x, z_decoded)
        kl_loss = -5e-4 * K.mean(
        1 + z_log_var - K.square(z_mean) - K.exp(z_log_var), axis=-1)
        return K.mean(xent_loss + kl_loss)
    def call(self, inputs):
        x = inputs[0]
        z_decoded = inputs[1]
        loss = self.vae_loss(x, z_decoded)
        self.add_loss(loss, inputs=inputs)
        return x

y = CustomVariationalLayer()([input_sig, z_decoded])

vae = Model(input_sig, y)
vae.compile(optimizer='rmsprop', loss=None)
vae.summary()
vae.fit(x=X_train, y=None,shuffle=True,epochs=100,batch_size=batch_size,validation_data=(X_test, None))

它曾经运行顺利，但我已经更新了我的库，现在我收到了这个错误：

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\framework\ops.py”，第 1619 行，在 _create_c_op c_op = c_api.TF_FinishOperation(op_desc )

InvalidArgumentError：图中重复的节点名称：'lambda_1/random_normal/shape'

在处理上述异常的过程中，又出现了一个异常：

回溯（最近一次通话最后）：

文件“I:\Documents\Nico\Python\finance\travail_amont\autoencoder_variationnel_bruit.py”，第 74 行，在 z = layers.Lambda(sampling)([z_mean, z_log_var])

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\keras\backend\tensorflow_backend.py”，第 75 行，在 symbolic_fn_wrapper return func(*args, **kwargs )

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\keras\engine\base_layer.py”，第 506 行，调用output_shape = self.compute_output_shape(input_shape)

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\keras\layers\core.py”，第 674 行，在 compute_output_shape x = self.call(xs)

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\keras\layers\core.py”，第 716 行，调用 return self.function(inputs, **论据）

文件“I:\Documents\Nico\Python\finance\travail_amont\autoencoder_variationnel_bruit.py”，第 71 行，抽样平均值=0.，stddev=1。）

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\keras\backend\tensorflow_backend.py”，第 4329 行，random_normal 形状，mean=mean，stddev=stddev ，dtype=dtype，种子=种子）

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\keras\backend.py”，第 5602 行，random_normal 形状，mean=mean，stddev =stddev，dtype=dtype，种子=种子）

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\ops\random_ops.py”，第 69 行，在 random_normal shape_tensor = tensor_util.shape_tensor(shape )

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\framework\tensor_util.py”，第 994 行，在 shape_tensor 返回 ops.convert_to_tensor(shape, dtype=dtype，名称=“形状”）

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\framework\ops.py”，第 1314 行，在 convert_to_tensor ret = conversion_func(value, dtype =dtype，名称=名称，as_ref=as_ref)

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\ops\array_ops.py”，第 1368 行，在 _autopacking_conversion_function 返回 _autopacking_helper(v, dtype,名称或“包装”）

_autopacking_helper 中的文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\ops\array_ops.py”，第 1304 行，return gen_array_ops.pack(elems_as_tensors,名称=范围）

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\ops\gen_array_ops.py”，第 5704 行，在包“Pack”中，values=values ，轴=轴，名称=名称）

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\framework\op_def_library.py”，第 742 行，在 _apply_op_helper attrs=attr_protos, op_def=op_def )

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\framework\func_graph.py”，第 595 行，在 _create_op_internal compute_device 中）

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\framework\ops.py”，第 3322 行，在 _create_op_internal op_def=op_def)

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\framework\ops.py”，第 1786 行，在init control_input_ops 中）

文件“C:\Users\user\AppData\Local\conda\conda\envs\my_root\lib\site-packages\tensorflow_core\python\framework\ops.py”，第 1622 行，在 _create_c_op 中引发 ValueError(str(e) )

ValueError：图中重复的节点名称：'lambda_1/random_normal/shape'

我不知道这个错误：“图中的节点名称重复”。 有人有线索吗？ 谢谢。

Answer 1

如果您使用的是tf 2.x ，请按如下方式导入您的keras模块。

from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.kerasimport backend as K
from tensorflow.keras.models import Model

与此相关的更多信息， #36509 ， #130