Question

我想在输入张量的列上分别提取并应用Conv2D层，但是在添加代码之后：

accelerometer_input = Input(shape=(1400, 3))

for i in range(3):
    out = Lambda(lambda x: x[:,:, i:i+1])(accelerometer_input) # Extracting the ith channel
    out = K.expand_dims(out, axis=1)
    out = Conv2D(64, (30, 1), data_format="channels_first")(out)  
    branch_outputs.append(out)
out_put = K.concatenate(branch_outputs)

它给我标题中的错误。我认为这是由于Lambda层或提取不可区分的。

但是如果没有它我该怎么办？

Answer 1

那是因为您直接在Keras张量（即K.expand_dims()）上应用了后端函数（即out），因此结果将是一个Tensor（而不是Keras Tensor）。实际上，Keras Tensor是Tensor的增强版本，具有其他属性（例如_keras_history），可帮助Keras构建模型。现在，要解决此问题，只需将后端函数放在Lambda层中，以将Keras Tensor作为输出：

out = Lambda(lambda x: K.expand_dims(x, axis=1))(out)

使用K.concatenate()同样适用。但是，在这种情况下，Keras中有一个特定的层：

from keras.layers import concatenate, Concatenate

# use functional interface
out_put = concatenate(branch_outputs)

# or use layer class
out_put = Concatenate()(branch_outputs)

'Tensor'对象没有属性'_keras_history'

1 个答案: