Keras / Tensorflow:ValueError:Shape(?,12)必须具有等级1

时间:2016-11-27 17:58:09

标签: python neural-network tensorflow keras

(Keras # Custom activation function (Radial Basis Function - RBF) l2_norm = lambda a, b: K.sqrt(((a - b) ** 2).sum()) def rbf(x, gamma=1.0): return K.exp(-1 * gamma * l2_norm(x[0], x[1]) ** 2) ,Tensorflow model = Sequential() # Some other layers go here model.add(Dense(n_classes, activation=rbf))

我正在尝试实现自己的激活功能:

/raid/home/user/anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/framework/tensor_shape.pyc in assert_has_rank(self, rank)
619     """
620     if self.ndims not in (None, rank):
--> 621       raise ValueError("Shape %s must have rank %d" % (self, rank))
622 
623   def with_rank(self, rank):

ValueError: Shape (?, 12) must have rank 1

以下是我的模型的相关部分,其中我指定了自定义激活功能:

return K.exp(-1 * gamma * l2_norm(x[0], x[1]) ** 2)

我收到以下错误:

x

尝试将(?, 12)(形状为x[0])切片为x[1]slice时,{{1}}行发生错误。

为什么Tensorflow {{1}}方法会抛出此错误?

2 个答案:

答案 0 :(得分:1)

如错误所示,形状(?, 12)不是等级1.张量等级(有时称为顺序或度数或n维)是张量的维数。例如,以下张量(定义为Python列表)的等级为2:

t = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

在TensorFlow中,切片操作的灵活性略低于python numpy。切片中指定的维数必须等于张量的等级。

tf.slice(input, begin, size, name=None)

此操作从张量输入中提取一个大小为size的切片,该张量从begin指定的位置开始。切片size表示为张量形状,其中size[i]是要切片的第i个维度维度的元素数。切片的起始位置(开始)表示为输入的每个维度中的偏移。换句话说,begin[i]是您要切片的输入的第i维度的偏移量。

begin从零开始; size是一个基础。如果size [i]为-1,则维度i中的所有剩余元素都包含在切片中。

简而言之,运算符要求开始和大小向量(定义要切片的子向量)与输入中的维数相同。例如,要切片三维张量,必须传递三个数字的向量(或列表)作为tf.slice()的第二个和第三个参数。

例如:

# 'input' is [[[1, 1, 1], [2, 2, 2]],
#             [[3, 3, 3], [4, 4, 4]],
#             [[5, 5, 5], [6, 6, 6]]]
tf.slice(input, [1, 0, 0], [1, 1, 3]) ==> [[[3, 3, 3]]]
tf.slice(input, [1, 0, 0], [1, 2, 3]) ==> [[[3, 3, 3],
                                            [4, 4, 4]]]
tf.slice(input, [1, 0, 0], [2, 1, 3]) ==> [[[3, 3, 3]],
                                           [[5, 5, 5]]]

因此,您可以按照以下方式修改rbf()函数,它应该可以正常工作:

def rbf(x, gamma=1.0):
    return K.exp(-1 * gamma * l2_norm(x[0, :], x[1, :]) ** 2)

答案 1 :(得分:0)

N.B。我无法使用最新版本的TensorFlow重现此问题。我怀疑您正在使用TensorFlow 0.10或更早版本的候选版本之一,因为在发布的版本中可以编写以下内容:

x = tf.placeholder(tf.float32, shape=[None, 12])
print(x[0].get_shape())  # ==> (12,)
print(x[1].get_shape())  # ==> (12,)

在旧版本的TensorFlow中,您必须在使用tf.slice() op或[] Python切片运算符时明确指定切片的每个维度。如果您无法升级到最新版本(我们通常建议使用!),则rbf()功能的以下修改版本应该有效:

def rbf(x, gamma=1.0):
    return K.exp(-1 * gamma * l2_norm(x[0, :], x[1, :]) ** 2)