通过对另一层的部分求和来定义 Keras 层答案

【问题标题】：Defining a Keras layer by summing parts of another layer通过对另一层的部分求和来定义 Keras 层
【发布时间】：2018-09-11 16:07:54
【问题描述】：

谁能给我一个建议：运行以下代码时，出现错误（我使用TF作为后端）

inputs = Input(shape=(100, 1, ))
lstm = LSTM(3, return_sequences=True)(inputs)
outputs = 2*lstm[:, :, 0] + 5*lstm[:, :, 1] + 10*lstm[:, :, 2]
model = Model(inputs=inputs, outputs=outputs)
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(x, y)

错误是

TypeError：模型的输出张量必须是 Keras 张量。找到：Tensor("add_1:0", shape=(?, ?), dtype=float32)

【问题讨论】：

标签： python tensorflow keras lstm

【解决方案1】：

如果我理解正确，

outputs = Lambda(lambda x: 2*x[:, :, 0] + 5*x[:, :, 1] + 10*x[:, :, 2])(lstm)

应该做你正在寻找的。p>

In [94]: model = Model(inputs=inputs, outputs=outputs)

In [95]: model.summary()
_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
input_5 (InputLayer)         (None, 100, 1)            0
_________________________________________________________________
lstm_12 (LSTM)               (None, 100, 3)            60
_________________________________________________________________
lambda_4 (Lambda)            (None, 100)               0
=================================================================
Total params: 60
Trainable params: 60
Non-trainable params: 0

例如，简单地添加两个输入，

In [143]: inputs = Input(shape=(2,))

In [144]: outputs = Lambda(lambda x: x[:, 0] + x[:, 1])(inputs)

In [145]: model = Model(inputs, outputs)

In [146]: model.predict(np.array([[1, 5], [2, 6]]))
Out[146]: array([ 6.,  8.], dtype=float32)

【讨论】：

您的理解是正确的，感谢您的帮助。当我按照您上面所说的那样更改代码时。数据形状发生了另一个错误。错误是：ValueError：检查目标时出错：预期 lambda_1 有 2 维，但得到的数组形状为 (1, 100, 1) @fuglede
听起来你的x 或y 有问题；如摘要所示，该模型自行计算出每一层的阵列形状。 x和y的形状是什么？
不同的是，使用 Lambda 层 Lambda 的输出形状为 (None, 100)，而使用 TimeDistributed(Dense()) 时形状为 (None, 100, 1)，它正在运行很好，没有任何错误。@fuglede
@JMZhou：然后直接输入Reshape((100, 1))(outputs)。
对不起，我不清楚你说了什么。怎么投？