我正在尝试在tf.keras中使用合并层,但得到AssertionError: Could not compute output Tensor("concatenate_3/Identity:0", shape=(None, 10, 8), dtype=float32)
。最小(无效)示例:
import tensorflow as tf
import numpy as np
context_length = 10
input_a = tf.keras.layers.Input((context_length, 4))
input_b = tf.keras.layers.Input((context_length, 4))
#output = tf.keras.layers.concatenate([input_a, input_b]) # same error
output = tf.keras.layers.Concatenate()([input_a, input_b])
model = tf.keras.Model(inputs = (input_a, input_b), outputs = output)
a = np.random.rand(3, context_length, 4).astype(np.float32)
b = np.random.rand(3, context_length, 4).astype(np.float32)
pred = model(a, b)
我在其他合并层(例如add
)中遇到相同的错误。我在TF2.0.0-alpha0上,但在colab上与2.0.0-beta1相同。
答案 0 :(得分:2)
由于tf.keras.layers.Input
而失败。 Tensorflow无法验证图层的形状,因此会失败。这将起作用:
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.concat = tf.keras.layers.Concatenate()
# You can also add the other layers
self.dense_1 = tf.keras.layers.Dense(10)
def call(self, a, b):
out_concat = self.concat([a, b])
out_dense = self.dense_1(out_concat)
model = MyModel()
a = np.random.rand(3, 5, 4).astype(np.float32)
b = np.random.rand(3, 5, 4).astype(np.float32)
output = model(a, b)
答案 1 :(得分:0)
好的,错误消息没有帮助,但是我最终偶然发现了解决方案:model
的输入需要张量的迭代,即
pred = model((a, b))
工作正常。