Question

我正在使用Tensorflow上的Keras功能API创建一个广泛而深入的模型。

当我尝试合并两个模型时，发生以下错误。

-------------------------------------------------- ---------------------------- ValueError Traceback（最近的呼叫   最后）在（）         1 merged_out = tf.keras.layers.concatenate（[wide_model.output，deep_model.output]）         2 merged_out = tf.keras.layers.Dense（1）（merged_out）   ----> 3 Combined_model = tf.keras.Model（inputs = wide_model.input + [deep_model.input]，outputs = merged_out）         4打印（combined_model.summary（））

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py   在 init （自身，* args，** kwargs）中       111       112 def init （自身，* args，** kwargs）：   -> 113超级（模型，自我）。初始化（* args，** kwargs）       114＃为迭代器get_next op创建一个缓存。       115 self._iterator_get_next = weakref.WeakKeyDictionary（）

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/network.py   在 init （自身，* args，** kwargs）中        77（以kwargs为单位的“输入”和以kwargs为单位的“输出”）：        78＃图形网络   ---> 79 self._init_graph_network（* args，** kwargs）        其他80个        81＃子类化网络

/usr/local/lib/python3.6/dist-packages/tensorflow/python/training/checkpointable/base.py   在_method_wrapper中（self，* args，** kwargs）       362 self._setattr_tracking = False＃pylint：disable =受保护的访问       363尝试：   -> 364方法（self，* args，** kwargs）       365最后：       366 self._setattr_tracking = previous_value＃pylint：disable =受保护的访问

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/network.py   在_init_graph_network中（自己，输入，输出，名称）       193'必须来自tf.layers.Input。 '       194'已收到：'+ str（x）+   -> 195'（缺少上一层元数据）。）       196＃检查x是输入张量。       197＃pylint：disable = protected-access

ValueError：模型的输入张量必须来自tf.layers.Input。   收到：Tensor（“ add_1：0”，shape =（1，？，163），dtype = float32）（丢失   前一层的元数据）。

这是将两者串联的代码。

merged_out = tf.keras.layers.concatenate([wide_model.output, deep_model.output])
merged_out = tf.keras.layers.Dense(1)(merged_out)
combined_model = tf.keras.Model(inputs=wide_model.input + [deep_model.input], outputs=merged_out)
print(combined_model.summary())

对于每个模型的输入，我尝试将tf.layers.Input与

一起使用

inputs = tf.placeholder(tf.float32, shape=(None,X_resampled.shape[1]))
deep_inputs = tf.keras.Input(tensor=(inputs))

使它们成为this page所述的tf.layers.Input。但是我仍然面临着同样的问题。

我正在使用tensorflow == 1.10.0

有人可以帮我解决这个问题吗？

谢谢！

Answer 1

在inputs=wide_model.input + [deep_model.input]中，wide.model.input可能不是列表，因此您要传递新的Add张量而不是输入列表。尝试通过inputs=[wide_model.input] + [deep_model.input]代替

当我在Tensorflow上使用Keras API连接两个模型时，模型的输入张量必须来自tf.layers.Input`

1 个答案: