Question

我想在我的Dropout模型中添加一个CNN层，如下所示（以黄色突出显示）：

inputs_1 = keras.Input(shape=(10081,1))

layer1 = Conv1D(64,14)(inputs_1)
layer2 = layers.MaxPool1D(5)(layer1)
layer3 = Conv1D(64, 14)(layer2)   
layer4 = layers.GlobalMaxPooling1D()(layer3)

inputs_2 = keras.Input(shape=(84,))             
layer5 = layers.concatenate([layer4, inputs_2])
layer6 = Dense(128, activation='relu')(layer5)

layer6.add（Dropout（0.25））（已屏蔽）

layer7 = Dense(2, activation='softmax')(layer6)

model_2 = keras.models.Model(inputs = [inputs_1, inputs_2], output = [layer7])
model_2.summary()

它返回

AttributeError：“节点”对象没有属性“输出掩码”

我想可能是我使用了Keras和tf.keras，但我不确定。

Answer 1

您可以使用以下代码执行此操作。当您使用keras功能性API时。您应该通过提供输入和输出

来自行添加辍学层

layer6=Dropout(0.25)(layer6)

在上面的代码行中，我将layer6用作退出层的输入，并将其结果保存到同一layer6。当您使用keras顺序API时，应该使用layer6.add（），而不是用于功能性API。

下面给出了完整的更新代码。

inputs_1 = keras.Input(shape=(10081,1))

layer1 = Conv1D(64,14)(inputs_1)
layer2 = layers.MaxPool1D(5)(layer1)
layer3 = Conv1D(64, 14)(layer2)   
layer4 = layers.GlobalMaxPooling1D()(layer3)

inputs_2 = keras.Input(shape=(84,))             
layer5 = layers.concatenate([layer4, inputs_2])
layer6 = Dense(128, activation='relu')(layer5)
layer6=Dropout(0.25)(layer6)

layer7 = Dense(2, activation='softmax')(layer6)

model_2 = keras.models.Model(inputs = [inputs_1, inputs_2], output = [layer7])
model_2.summary()

AttributeError：“节点”对象在Keras中没有属性“ output_masks”

1 个答案: