Question

我是Keras的初学者，只写一个玩具示例。它报告一个TypeError。代码和错误如下：

代码：

inputs = keras.Input(shape=(3, ))

cell = keras.layers.SimpleRNNCell(units=5, activation='softmax')
label = keras.layers.RNN(cell)(inputs)

model = keras.models.Model(inputs=inputs, outputs=label)
model.compile(optimizer='rmsprop',
              loss='mae',
              metrics=['acc'])

data = np.array([[1, 2, 3], [3, 4, 5]])
labels = np.array([1, 2])
model.fit(x=data, y=labels)

错误：

Traceback (most recent call last):
    File "/Users/david/Documents/code/python/Tensorflow/test.py", line 27, in <module>
        run()
    File "/Users/david/Documents/code/python/Tensorflow/test.py", line 21, in run
        label = keras.layers.RNN(cell)(inputs)
    File "/Users/david/anaconda3/lib/python3.6/site-packages/tensorflow/python/keras/layers/recurrent.py", line 619, in __call__
...
    File "/Users/david/anaconda3/lib/python3.6/site-packages/tensorflow/python/ops/init_ops.py", line 473, in __call__
        scale /= max(1., (fan_in + fan_out) / 2.)
TypeError: unsupported operand type(s) for +: 'NoneType' and 'int'

那么我该如何处理呢？

Answer 1

RNN层的输入将具有(num_timesteps, num_features)的形状，即每个样本由num_timesteps个时间步组成，其中每个时间步都是长度为num_features的向量。此外，时间步数（即num_timesteps）可以是可变的或未知的（即None），但特征的数目（即num_features）应该是固定的，并应从头开始指定。因此，您需要更改输入层的形状以与RNN层保持一致。例如：

inputs = keras.Input(shape=(None, 3))  # variable number of timesteps each with length 3
inputs = keras.Input(shape=(4, 3))     # 4 timesteps each with length 3
inputs = keras.Input(shape=(4, None))  # this is WRONG! you can't do this. Number of features must be fixed

然后，您还需要更改输入数据的形状（即data），以使其与指定的输入形状一致（即，其形状必须为(num_samples, num_timesteps, num_features)）。

请注意，您可以通过直接使用SimpleRNN层来更简单地定义RNN层：

label = keras.layers.SimpleRNN(units=5, activation='softmax')(inputs)

Answer 2

我认为@today的答案非常明确。但是，还不完整。这里的关键是，如果您的输入不包含num_features，则必须在输入旁边创建一个Embedding层。

因此，如果您使用：

inputs = keras.Input(shape=(3,))
embedding = Embedding(voc_size, embed_dim, ..)
X = embedding(inputs)

它也可以工作。

Keras报告TypeError：+不支持的操作数类型：'NoneType'和'int'

2 个答案: