python - Tensorflow - Keras 断开连接图

Question

张量流版本：2.x

蟒蛇：3.7.4

断开连接图：我正在尝试复制以下模型架构，但是当我尝试在 Keras 中绘制模型时，右侧部分似乎断开连接。我已经通过隐藏矩阵 HQ(For question) 和 HA(For answer) 作为注意力层的输入（我们可以在下面总结 Coattention 层的输入 - 输入形状是 (512,600) 和 (512, 600) 和 Coattention矩阵 CQ 和 CA) 的输出形状也相同。请帮助我理解这种断开连接。这需要纠正还是可以忽略？

最终模型：

inputs = [input_text1, input_text2]
outputs = score_oq_oa
model = Model(inputs=inputs, outputs=outputs)

model.summary()

预期的模型架构：

模型生成图：为什么右侧断开？请帮我理解。我没有在双向问答层之后使用连接层，但我只是将两个双向层的输出矩阵作为输入传递给了注意力层，如上所述。

使用 Coattention 层的代码更新的问题如下：

这里 HQ 和 HA 是我们在模型架构中看到的两个独立双向层的隐藏状态矩阵/输出。

class coattention(tf.keras.layers.Layer):

    def __init__(self):
        super(coattention, self).__init__()

    def call(self, HQ, HA):  

        L = tf.linalg.matmul(HA, HQ, transpose_a = True, transpose_b = False)
        AQ = tf.nn.softmax(L, axis = 1)
        AA = tf.nn.softmax(tf.transpose(L), axis = 1)

        CQ = tf.linalg.matmul(HA, AQ, transpose_a = False, transpose_b = False)
        CA = tf.linalg.matmul(HQ, AA, transpose_a = False, transpose_b = False)

        return CQ, CA


coattention_layer = coattention()
CQ, CA = coattention_layer(HQ, HA)
print ("Shape of Context vector of Question (CQ): ", CQ.shape)
print ("Shape of Context vector of Answer   (CA): ", CA.shape)

问题上下文向量的形状 (CQ)：(512, 600)

答案 (CA) 的上下文向量的形状：(512, 600)

Answer 1

因为您没有提供代码，我相信您忘记调用具有 Bidirectional_7 层作为输入的保护层。

这是示例代码

Ha = Input(shape=(1,2,3), name='Ha')
Hq = Input(shape=(1,2,3), name='Hq')

your_coattention_layer = Dense(12, name='your_coattention_layer')

# this part that I think you forgot
Ca = your_coattention_layer(Ha)
cQ = your_coattention_layer(Hq)


out1 = Dense(123, name='your_Ca_layer')(Ca)
out2 = Dense(123, name='your_Cq_later')(cQ)
M = Model(inputs=[Ha,Hq], outputs=[out1,out2])
M.summary()

from keras.utils import plot_model
plot_model(M, to_file='Example.png')

这是模型图片。