Question

我正在尝试构建一个只有一层的自动编码器：

from keras import backend as K

def cost2(y_true, y_pred):
    print "shapes:", model.get_weights()[0].shape
    yy = K.dot( y_pred, model.get_weights()[0].T )
    return np.sum((y_true - yy)**2)

x = Input(shape=(original_dim,))
y = Dense(latent_dim)(x)
model = Model(inputs=x, outputs=y)
model.summary()
model.compile(optimizer='adagrad', loss=cost2)

这给了我错误：

Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 784)               0         
_________________________________________________________________
dense_1 (Dense)              (None, 2)                 1570      
=================================================================
Total params: 1,570
Trainable params: 1,570
Non-trainable params: 0
_________________________________________________________________

shapes: (784, 2)

追踪（最近一次通话）：文件“vae_kears_gidital_mnist3.py”，第45行，in model.compile（optimizer ='adagrad'，loss = cost2）文件“/Users/asgharrazavi/anaconda/lib/python2.7/site-packages/keras/engine/training.py”，第830行，编译 sample_weight，mask）文件“/Users/asgharrazavi/anaconda/lib/python2.7/site-packages/keras/engine/training.py”，第429行，加权 score_array = fn（y_true，y_pred）在cost2中输入第18行“vae_kears_gidital_mnist3.py” yy = K.dot（y_pred，model.get_weights（）[0] .T）文件“/Users/asgharrazavi/anaconda/lib/python2.7/site-packages/keras/backend/tensorflow_backend.py”，第1048行，点如果ndim（x）不是None且（ndim（x）> 2或ndim（y）> 2）：在ndim中输入文件“/Users/asgharrazavi/anaconda/lib/python2.7/site-packages/keras/backend/tensorflow_backend.py”，第606行 dims = x.get_shape（）._ dims AttributeError：'numpy.ndarray'对象没有属性'get_shape'

我只是试图将模型的输出乘以模型的转置权重以返回输入维度。有什么想法吗？

Answer 1

您的费用函数应返回keras张量而不是numpdy ndarray。您应该仅在客户损失函数中使用keras.backend函数或特定的后端函数（例如tf.something）（即K.sum而不是np.sum）

这是您在问题中提到的错误的原因，但更重要的是，您并未以创建自动编码器的 keras方式制作模型。在keras中，您的模型将使用两层（编码器和解码器）创建，其中图层通过转置和标准MSE损耗共享权重。我建议你阅读this post 的keras博客，看看this issue。

如何在计算损失函数时使用keras层的权重？

1 个答案: