TypeError: 'Tensor' 对象不可调用 |凯拉斯-伯特

Question

我正在构建这个模型：

inputs = model.inputs[:2] 
layer_output = model.get_layer('Encoder-12-FeedForward-Norm').output  
input_layer= keras.layers.Input(shape=(SEQ_LEN,768))(layer_output)
conv_layer= keras.layers.Conv1D(100, kernel_size=3, activation='relu', data_format='channels_first')(input_layer)   
maxpool_layer = keras.layers.MaxPooling1D(pool_size=4)(conv_layer)
flat_layer= keras.layers.Flatten()(maxpool_layer)
outputs = keras.layers.Dense(units=3, activation='softmax')(flat_layer)
model = keras.models.Model(inputs, outputs)
model.compile(RAdam(learning_rate =LR),loss='sparse_categorical_crossentropy',metrics=['sparse_categorical_accuracy'])

我不断收到此错误TypeError: 'Tensor' object is not callable 我知道layer_output 是张量而不是层，Keras 使用层。但我发现很难找出正确的做法。我之前用类似的输入构建了一个 biLSTM 模型，它工作正常。有人可以指出一些可以帮助我更好地理解问题的东西吗？我尝试将input_layer 传递给conv_layer，但我收到此错误TypeError: Layer conv1d_1 does not support masking, but was passed an input_mask: Tensor("Encoder-12-FeedForward-Add/All:0", shape=(?, 35), dtype=bool)

Answer 1

input_layer= keras.layers.Input(shape=(SEQ_LEN,768))(layer_output)

您正在尝试将输入传递给输入张量？？？

要么你有一个张量：layer_output;或者你有一个输入张量：Input(shape...)。试图混合这两种东西是没有意义的。

在您的代码中，左侧的所有内容都是Tensor，这是正确的！
中间的都是Layer，所有层都用右边调用，也就是Tensor。

tensor_instance = Layer(...)(tensor_instance)

但Input 不是层，Input 是张量。你不能Input(...)(tensor_instance) 因为Input 不是一个层。

没有必要对layer_output（张量）做任何事情。你已经有了，所以继续吧：

conv_layer_output_tensor = Conv1D(...)(layer_output)

---

建议：

inputs = model.inputs[:2] #what is this model??
layer_output = model.get_layer('Encoder-12-FeedForward-Norm').output  
    #this may not work 
    #unless this output can be fully gotten with the two inputs you selected 
    #(and there is a chance that Keras code is not prepared for this)

conv_output = keras.layers.Conv1D(100, kernel_size=3, activation='relu', 
                                  data_format='channels_first')(layer_output)   
maxpool_output = keras.layers.MaxPooling1D(pool_size=4)(conv_output)
flat_output= keras.layers.Flatten()(maxpool_output)
outputs = keras.layers.Dense(units=3, activation='softmax')(flat_output)
another_model = keras.models.Model(inputs, outputs)
another_model.compile(RAdam(learning_rate = LR), 
                      loss='sparse_categorical_crossentropy', 
                      metrics=['sparse_categorical_accuracy'])

Answer 2

尝试添加这个：

output = Lambda(lambda x: x, output_shape=lambda s: s)(output)

Conv1D 层之前。