我正在尝试开始使用神经结构化学习，但是当我运行页面上给出的示例进行测试时，我收到以下错误

我试图压缩尺寸，我尝试了不同版本的 tensorflow --- 我对 tensorflow 还是很陌生，所以在这一点上我真的会猜测。

该模型应该进行训练，并且我从中获得了一些准确性。我不明白问题出在我的代码中。

我正在使用 Tensorflow v1.14.0 在 Google Colab 上运行它

我正在研究可使用神经网络解决的一般类图算法。

例如 - https://medium.com/octavian-ai/finding-shortest-paths-with-graph-networks-807c5bbfc9c8 - 指的是使用图神经网络解决最短问题的有趣解决方案。

NSL 中的所有示例都说明了图形添加到现有模型中的信息的示例。但是 NSL 可以自己解决图形问题吗？

神经结构化学习（NSL）最近被引入到 tensorflow 2.0 中。我已经阅读了tensorflow 网站上关于 NSL 的本指南以及关于“图像分类的对抗正则化”的本教程。从概念上讲，我不清楚这是如何工作的。如何生成额外的对抗样本，对抗训练的含义是什么，以及它如何帮助实现更高的准确性/性能？附加代码确实很短，但这段代码在幕后做了什么尚不清楚。将不胜感激从外行的角度一步一步的内部解释。

我想使用本教程nsl.keras.GraphRegularization中描述的方法来训练二元目标深度神经网络模型。我的模型在不应该“图形正则化”的中间密集层中有一个三元组半硬损失。

根据Github 上的nsl.keras.GraphRegularization 定义：

将图正则化合并到 的损失中base_model。

图正则化在 logits 层上完成，并且仅在训练期间完成。

是说中间三元组半硬损失不会受到这个正则化的影响吗？

我花了两天时间尝试使用神经结构化语言来适应我的 CNN 模型我使用 ImageDataGenerator 和 flow_from_directory 当我使用 model.fit_generator 我收到一条错误消息：ValueError：

将输入数据作为数组传递时，不要指定 steps_per_epoch/steps参数。请batch_size改用。

我使用 Keras 2.3.1 和 TensorFlow 2.0 作为后端

这是我的代码的片段：

我将从 (x,y) 格式生成的数据改编为字典格式

我正在尝试使用神经结构化学习构建一个简单的推荐系统模型，使用用户和企业之间的相似性来预测单个用户根据与其他用户和项目的相似性（和权重）对以前未评分的项目进行评分的可能性. 我有我的训练和测试数据，并且已经为用户和项目创建了相似矩阵，这些矩阵本质上是用户-用户或项目-项目的方阵，它们各自的比率从 0 到 1（其中 0 或非常低意味着评分低或没有匹配的项目，或评分的用户，高或接近 1 表示评分的匹配项目很多或评分的用户）。

这是用户-用户相似度矩阵的示例 用户-用户相似度矩阵

在 tensorflow 为神经结构化学习提供的教程中，他们能够将图形输入输入到他们的框架中，以添加交互项，例如相似性。（基本示例在这里：https ://medium.com/tensorflow/introducing-neural-structured-learning-in-tensorflow-5a802efd7afd ）

我是一个初学者，虽然我认为我了解它如何工作的一般逻辑，但我不知道如何将相似性矩阵实际“输入”到训练数据中。我已经使用 igraph 将它们制作成图表，但我认为我不了解示例图表中的信息是什么，以了解我应该如何格式化或重塑我的数据以充当输入。我也很困惑，因为在查看示例时，我什至看不到他们在模型中的何处使用了他们的 graph.tsv。我假设这是因为模型代码只是一个骨架，但我应该把它放在哪里？

任何方向将不胜感激！

我已经在TensorFlow的神经结构化nsl学习（. 但是，这个问题与那些特定的结果无关，所以我不试图在这里复制它们。cleverhansnsl.AdversarialRegularizationcleverhans.attacks.FastGradientMethod

我对对抗性扰动的实现差异nsl.AdversarialRegularization.perturb_on_batch()与cleverhans相同/相似功能的实现（这将是FastGradientMethod.generate().

nsl文档不是特别清楚，但它们似乎暗示nsl正在使用Goodfellow 等人的快速梯度符号方法。2014 年，这应该是在FastGradientMethod. 例如，nsl指 Goodfellow 等人。对抗性训练教程和一些函数文档中的论文。两个库都允许指定类似参数，例如epsilon控制扰动水平和控制用于约束它的规范。然而，对抗训练的性能差异让我相信这些库没有使用相同的底层实现。nsl很难解析，所以我特别好奇那里可能会发生什么。

在实现方面有什么不同，nsl.AdversarialRegularization.perturb_on_batch()哪些cleverhans.attacks.FastGradientMethod.generate()可能会导致相同输入的不同扰动？这些函数中是否还有其他差异可能导致它们的性能差异（我对速度或效率不感兴趣，但对于相同的模型、epsilon 和 norm 两种扰动的结果可能不同的方式）。

以下代码给了我一个输入错误，我无法弄清楚。

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