我想在我的神经网络中实现一个自定义层（https://alternativeai.blogspot.com/2020/03/dynamic-weight-matrix-neural-network.html进行更深入的说明），该层将上一层的激活作为输入“调整”加权连接的路由，然后找到输入的点积与调整后的权重矩阵相加，加上偏差和激活函数，然后将结果向前发送。
将发生的事情是，加权连接不是由其连接性或ith，jth格式定义的。来自第i个神经元的加权连接将始终与第i个神经元相关联。但是j定义为第i个神经元的输入所具有的特定小数位。因此，将有一个ith / tens加权连接，一个ith / 100的连接和一个ith /十分之一的连接。
这将确定其路由，因为在输出层中将恰好有10个神经元。代表数字0到9。
如果第i个神经元的输入是8.27301 ...，那么ith / tens加权连接将连接到代表十进制数8的输出层中的神经元，因为那是十位的数字。 / p>
类似地，第ith /十分之一加权连接将连接到代表数字2的输出层中的神经元。
ith / hundreths => 7个神经元 ith / thousandths => 3 ....
以此类推
我在喀拉拉邦实现了一个自定义层，在其中创建了模板权重矩阵W2，我再次对其进行了重新保存以反映对路由W所做的调整。 我的输入张量是（9000,100,100,1）。我尝试使用eval（）将其转换为numpy数组，以便我可以检索每个数字中每个位置的数字值，但出现错误。
这是我的代码：
class MyLayer(Layer):
global Input_tensor
def __init__(self, output_dim=100, **kwargs):
self.output_dim = output_dim
super(MyLayer, self).__init__(**kwargs)
def build(self, input_shape):
input_dim = input_shape[1]
self.W2 = K.random_normal((input_dim,100))
self.trainable_weights = [self.W2]
def call(self, x):
self.W = topology(x, self.W2)
return K.dot(x, self.W)
def compute_output_shape(self, input_shape):
return (input_shape[0], self.output_dim)
def topology(input_tensor, W2):
count_t = -1
count_c = -1
SW = np.random.rand(10000,100)
with tf.compat.v1.Session() as sess:
sess.run(tf.compat.v1.global_variables_initializer())
x_unpacked = input_tensor.eval()
print(x_unpacked.shape)
for t in x_unpacked:
tf.strings.as_string(t)
e=tf.unstack(tf.reshape(t,[-1]))
count_t += 1
for c in e:
count_c += 1
i=0
c=tf.dtypes.cast(c, tf.int32)
for v in range(10):
W2=W2.numpy()
print(W2.shape)
SW[count_t: count_c + i*v,:] = W2[count_t:c +i*v,:]
i += 10
SW = tf.convert_to_tensor(SW)
return SW
我得到的错误如下：
回溯（最近通话最近）：
_do_call中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/client/session.py”，行1367
返回fn（* args）
_run_fn中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/client/session.py”，行1352
target_list，run_metadata）
在_call_tf_sessionrun中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/client/session.py”第1445行
run_metadata）
tensorflow.python.framework.errors_impl.InvalidArgumentError：您必须使用dtype float和shape [？，10输入占位符张量'input_1'的值
0,100,1]
[[{{node input_1}}]]
在处理上述异常期间，发生了另一个异常：
回溯（最近通话最近）：
中的文件“ finalvideo_2.py”，第630行
text（）
文件“ finalvideo_2.py”，第498行，为文本
kikiE（EX_dat，EY_dat）
在kikiE中的文件“ finalvideo_2.py”（第338行）
x = MyLayer（）（输入张量）
在symbolic_fn_wrapper中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py”，第73行，
return func（* args，** kwargs）
调用
中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/keras/engine/base_layer.py”，第489行
输出= self.call（输入，** kwargs）
通话中的文件“ finalvideo_2.py”，第108行，
self.W =拓扑结构（x，self.W2）
拓扑中的文件“ finalvideo_2.py”，第128行，
x_unpacked = input_tensor.eval（）
在eval中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/framework/ops.py”，行790
返回_eval_using_default_session（self，feed_dict，self.graph，session）
_eval_using_default_session中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/framework/ops.py”，第5312行
返回session.run（张量，feed_dict）
在运行中，文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/client/session.py”，第960行
run_metadata_ptr）
文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/client/session.py”，行1183，在_run
feed_dict_tensor，选项，run_metadata）
_do_run中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/client/session.py”，行1361
run_metadata）
_do_call中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/client/session.py”，行1386
提高类型（e）（node_def，op，消息）
tensorflow.python.framework.errors_impl.InvalidArgumentError：您必须使用dtype float和shape [？，10来输入占位符张量'input_1'的值
0,100,1]
[[节点输入_1（在/home/usergpu/venv/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py:676中定义）]]
“ input_1”的原始堆栈跟踪：
中的文件“ finalvideo_2.py”，第630行
text（）
文件“ finalvideo_2.py”，第498行，为文本
kikiE（EX_dat，EY_dat）
在kikiE中，文件“ finalvideo_2.py”，第333行，
input_tensor = Input（shape = X_D [0] .shape）
输入文件“ /home/usergpu/venv/lib/python3.6/site-packages/keras/engine/input_layer.py”，第178行，
input_tensor = tensor）
包装中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/keras/legacy/interfaces.py”，第91行，
return func（* args，** kwargs）
init
中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/keras/engine/input_layer.py”，第87行
name = self.name）
在symbolic_fn_wrapper中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py”，第73行，
return func（* args，** kwargs）
在占位符中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py”，行676
shape = shape，ndim = ndim，dtype = dtype，sparse =稀疏，name = name）
在占位符中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/keras/backend.py”，行1054
x = array_ops.placeholder（dtype，shape = shape，name = name）
在占位符上的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/ops/array_ops.py”，行2718
返回gen_array_ops.placeholder（dtype = dtype，shape = shape，name = name）
文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/ops/gen_array_ops.py”，第6032行，位于占位符
“占位符”，dtype = dtype，shape = shape，name = name）
_apply_op_helper中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/framework/op_def_library.py”，第742行
attrs = attr_protos，op_def = op_def）
_create_op_internal
中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/framework/func_graph.py”，第595行
compute_device）
_create_op_internal中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/framework/ops.py”，行3322
op_def = op_def）
init
中的文件“ /home/usergpu/venv/lib/python3.6/site-packages/tensorflow_core/python/framework/ops.py”，行1756
self._traceback = tf_stack.extract_stack（）
任何帮助将不胜感激。