Keras - TypeError：模型的輸出張量必須是Keras張量 - 同時建模多輸入，多輸出網絡

Question

我有一個9個2000維向量序列作為o / p來自2個雙向的lstms。 我正在合並它們以獲得9個4000 dim向量。

我需要獲得這些4000維向量中的每一個並將它們中的每一個饋送到共享的完全連接層。 我怎樣才能做到這一點？ 現在我正在重新整合合並o / p以提供給共享的完全連接層。 但我不知道是否需要這個？

當我嘗試對整個網絡建模以獲取多個i / p並產生多個o / p時，我收到此錯誤，如此鏈接中所述

代碼可以在這里找到。

# we can then concatenate the two vectors:
N=3
merge_cv = merge([top_out, btm_out], mode='concat')#concat_axis=2 or -1 (last dim axis)
cv = Reshape((9,1, 4000))(merge_cv) # we want 9 vectors of dimension 4000 each for sharedfc_out below

#number of output classes per cell
n_classes = 80
sharedfc_out= Dense(output_dim=n_classes,input_dim=4000,activation='relu')
#partial counts
#pc = np.ndarray(shape=(1,n_classes), dtype=float) 
#cells_pc = np.array([[pc for j in range(N)] for i in range(N)])
outpc=[]

for i in range(N):
    for j in range(N):
        # cells_pc[i][j] = sharedfc_out(cv[N*i+j])
        outpc.append(sharedfc_out(cv[0][N*i+j]))

# out=merge(outpc,mode='concat')
# out2=Reshape(720)(out)

model = Model(input=cells_in, output=outpc)

尺寸bi = lstm o / p

>>> merge_cv.shape
TensorShape([Dimension(1), Dimension(None), Dimension(4000)])
>>> cv.shape
TensorShape([Dimension(None), Dimension(9), Dimension(1), Dimension(4000)])

對於最后一行，我遇到了類型錯誤。

TypeError                                 Traceback (most recent call last)
 in ()
----> 1 model = Model(input=cells_in, output=outpc)

/home/jkl/anaconda3/lib/python3.5/site-packages/keras/engine/topology.py in __init__(self, input, output, name)
   1814                 cls_name = self.__class__.__name__
   1815                 raise TypeError('Output tensors to a ' + cls_name + ' must be '
-> 1816                                 'Keras tensors. Found: ' + str(x))
   1817         # Build self.output_layers:
   1818         for x in self.outputs:

TypeError: Output tensors to a Model must be Keras tensors. Found: Tensor("Relu_9:0", shape=(1, 80), dtype=float32)

Answer 1

所以最后結果證明問題出現在錯誤的列表切片中，最終將None作為一個層傳遞給一個列表然后合並到一個輸入中。 修復此問題並使切片保持一致 - 問題得以解決。