如何處理在Keras的自定義層中發生的此代碼錯誤？

Question

我想在Keras中創建一個自定義圖層。 在此示例中，我使用變量將張量相乘，但出現以下錯誤：

在/keras/engine/training_arrays.py，第304行中，在predict_loop中outs [i] [batch_start：batch_end] = batch_out ValueError：無法將輸入數組從形狀（36）廣播到形狀（2）中。

其實我已經檢查了這個文件，但是我什么也沒得到。 我的自定義層有問題嗎？

#the definition of mylayer.


 from keras import backend as K
 import keras
 from keras.engine.topology import Layer

class mylayer(Layer):
def __init__(self, output_dim, **kwargs):
    self.output_dim = output_dim
    super(mylayer, self).__init__(**kwargs)

def build(self, input_shape):
    self.kernel = self.add_weight(name = 'kernel',
                                  shape=(1,),dtype='float32',trainable=True,initializer='uniform')
    super(mylayer, self).build(input_shape)

def call(self, inputs, **kwargs):
    return self.kernel * inputs[0]
def compute_output_shape(self, input_shape):
    return (input_shape[0], input_shape[1])


#the test of mylayer.

from mylayer import mylayer
from tensorflow import keras as K
import numpy as np
from keras.layers import Input, Dense, Flatten
from keras.models import Model

x_train = np.random.random((2, 3, 4, 3))
y_train = np.random.random((2, 36))
print(x_train)

x = Input(shape=(3, 4, 3))
y = Flatten()(x)
output = mylayer((36, ))(y)

model = Model(inputs=x, outputs=output)

model.summary()

 model.compile(optimizer='Adam',loss='categorical_crossentropy',metrics=['accuracy'])
model.fit(x_train, y_train, epochs=2)

hist = model.predict(x_train,batch_size=2)

print(hist)

print(model.get_layer(index=1).get_weights())


#So is there some wrong in my custom error?

特別是，當我訓練該網時，沒關系，但是當我嘗試使用“ prdict”時，這是錯誤的。

Answer 1

您的self.kernel * inputs[0]形狀為(36,) ，但您的期望為(?,36) 。 更改：

def call(self, inputs, **kwargs):
    return self.kernel * inputs

如果要輸出mylayer的權重，則應設置index=2 。