Question

由于二进制交叉熵的损失，我试图调整Dense层的权重。 A已经创建了一个共享层，该层为两个向量输出两个值（encoded_value_1和encoded_value_2）。如果encoded_value_1的值优于encoded_value_2的值，我想创建一个等于1的布尔值。为此，我通过greater层使用Lambda。但是，它会产生错误（见下文）。

import keras
from keras.backend import greater
from keras.layers import Input, LSTM, Dense, Lambda, concatenate
from keras.models import Model

value_1 = Input(shape=(4,))
value_2 = Input(shape=(4,))

shared_layer = Dense(1)
encoded_value_1 = shared_layer(value_1)
encoded_value_2 = shared_layer(value_2)

x = Lambda(greater,output_shape=(1,))((encoded_value_1,encoded_value_2)) 
model = Model(inputs=[value_1, value_2], outputs=x)
model.compile(optimizer='adam',loss='binary_crossentropy', metrics='accuracy'])

注意：我还尝试将两层连接起来，但出现了相同的错误。

merged_vector = concatenate([encoded_value_1, encoded_value_2], axis=-1)
x = Lambda(greater,output_shape=(1,))((merged_vector[0],merged_vector[1]))

ValueError：层lambda_4的输入不是符号张量。收到的类型：。全输入：[（，）]。该层的所有输入应为张量。

Answer 1

有三点：

当Lambda层具有多个输入时，则必须将输入作为张量列表而不是元组传递。
greater的输出是布尔Tensor，您需要对其进行强制转换才能对其进行计算。
greater需要两个输入，因此您需要将其包装在python lambda函数中，以便能够在Keras的Lambda层中使用它。

因此，我们将：

from keras import backend as K

# ...
x = Lambda(lambda z: K.cast(K.greater(z[0], z[1]), K.floatx()),output_shape=(1,))([encoded_value_1,encoded_value_2])

也不要忘记metrics参数缺少的左括号：

..., metrics=['accuracy'])
             ^
             |
             |
          missing!

错误-输入的不是符号张量-布尔值

1 个答案: