我有一个来自 2 个双向 lstms 的 9 个 2000 维向量序列作为 o/p。我正在合并它们以获得九个 4000 dim 向量。
我需要获取这 4000 维向量中的每一个，并将它们中的每一个都输入到共享的全连接层中。
我怎样才能做到这一点？
现在我正在重塑合并 o/p 以馈入共享的完全连接层。但是不知道有没有这个必要？
当我尝试对整个网络进行建模以获取多个 i/p 并产生多个 o/p 时出现此错误，如本 link 中所述
代码可以在 here 中找到。
# 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)
bi=lstm o/p 的维度
>>> merge_cv.shape
TensorShape([Dimension(1), Dimension(None), Dimension(4000)])
>>> cv.shape
TensorShape([Dimension(None), Dimension(9), Dimension(1), Dimension(4000)])
对于最后一行，我收到了类型错误。
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)
最佳答案
所以最后发现问题在于错误的列表切片，最终将 None 作为一个层传递给一个列表，然后将其合并到一个输入中。修复此问题并使切片保持一致后 - 问题解决了。
关于python - Keras - TypeError : Output tensors to a Model must be Keras tensors - while modelling multiple input , 多输出网络，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42746901/