1

以下代码给了我一个输入错误，我无法弄清楚。

import tensorflow as tf
import neural_structured_learning as nsl
.
.
.
b_size = 132
m = tf.keras.Sequential()
m.add(tf.keras.layers.Dense(980, activation = 'relu', input_shape = (2206,2,)))

m.add(tf.keras.layers.Dense(560, activation = 'relu'))
m.add(tf.keras.layers.Dense(10, activation = 'softmax'))

adv_config = nsl.configs.make_adv_reg_config(multiplier=0.2, adv_step_size=0.5)
adv_model = nsl.keras.AdversarialRegularization(m, adv_config=adv_config)

adv_model.compile(optimizer = "adam",
                 loss = "sparse_categorical_crossentropy",
                 metrics = ['accuracy'])
adv_model.fit({"feature" : x_Train, "label" : y}, epochs = 50, batch_size=b_size)

我的 x_Train 有形状(5002, 2206, 2)（5002 个大小的样本(2206,2)）。我试图Flatten()在开始时添加一个图层，但它给了我一个object of type 'NoneType' has no len()错误，即使这与 tf.keras 完美配合。我也尝试过不同的输入形状，但它们都不起作用。所以它给我带来了以下错误之一

KeyError: 'dense_115_input'

ValueError: Input 0 of layer sequential_40 is incompatible with the layer: expected axis -1 of input shape to have value 2206 but received input with shape [None, 2206, 2]

TypeError: object of type 'NoneType' has no len()
4

2 回答 2

1

要使用输入字典（如您的{"feature" : x_Train, "label" : y}）训练 NSL 模型，基本模型必须知道要查看字典中的哪些特征。

指定特征名称的一种方法是添加一个Input图层：

m = tf.keras.Sequential()
m.add(tf.keras.Input(name="feature", shape=(2206, 2)))

同样正如这个答案所指出的，输入特征在传递到密集层之前必须被展平：

m.add(tf.keras.layers.Flatten())
m.add(tf.keras.layers.Dense(...))
于 2020-05-26T18:49:54.847 回答
0

如果你想使用密集层，输入应该是(5002, 2206*2)，即矩阵。也许最简单的解决方案是在“适合”之前重塑您的输入 x_train 。

或者，您可以使用TimeDistributed层（参见此处），但这种层的使用取决于输入维度背后的物理含义。基本上，TimeDistributed多次应用某个操作，在你的情况下是两次。

希望这可以帮助你。

于 2020-05-15T13:27:20.530 回答