为模型创建 Keras 模型输入张量的问题必须来自 `keras.layers.Input`？答案

【问题标题】：Issue in creating Keras Model Input tensors to a Model must come from `keras.layers.Input`?为模型创建 Keras 模型输入张量的问题必须来自 `keras.layers.Input`？
【发布时间】：2019-02-11 17:26:21
【问题描述】：

出于某种原因，我正在尝试创建我的 Keras 模型，但它不起作用。我收到此错误 ValueError: Input tensors to a Model must come from keras.layers.Input。已收到：（缺少上一层元数据）。 [最后一行创建模型时出错]

我尝试分离输入，但没有成功，请帮忙？这是我的代码的 sn-p

word_embedding_layer = emb.get_keras_embedding(trainable = True,
                                            input_length = 20, 
                                            name='word_embedding_layer') 


pos_embedding_layer = Embedding(output_dim = 5,
                         input_dim = 56,
                         input_length = 20,
                         name='pos_embedding_layer')





 inputs_and_embeddings = [(Input(shape = (sent_maxlen,),
                                            dtype="int32",
                                            name = "word_inputs"),
                                      word_embedding_layer),
                                     (Input(shape = (sent_maxlen,),
                                            dtype="int32",
                                            name = "predicate_inputs"),
                                      word_embedding_layer),
                                     (Input(shape = (sent_maxlen,),
                                            dtype="int32",
                                            name = "postags_inputs"),
                                      pos_embedding_layer),
            ]




## --------> 9] Concat all inputs and run on deep network
        ## Concat all inputs and run on deep network

outputI = predict_layer(dropout(latent_layers(keras.layers.concatenate([embed(inp)
                                                            for inp, embed in inputs_and_embeddings],
                                                       axis = -1))))


## --------> 10]Build model 
model = Model( map(itemgetter(0), inputs_and_embeddings),[outputI])

【问题讨论】：

我建议使用这个来创建你的模型：keras.io/getting-started/functional-api-guide。您的格式很难阅读。虽然，所有错误意味着您在定义模型时没有将 Input 分配为模型的输入。
确实，为什么要把所有事情都复杂化呢？请注意，“嵌入”不是“输入”。您不能将嵌入传递给Model，您必须传递输入。

标签： python tensorflow keras nlp

【解决方案1】：

模型只接受Inputs。您不能将嵌入传递给模型的输入。

  inputs = [Input(sent_maxlen,), dtype='int32', name='word_inputs'),
            Input(sent_maxlen,), dtype='int32', name='predicate_inputs')
            Input(sent_maxlen,), dtype='int32', name='postags_inputs')]

  embeddings = [word_embedding_layer(inputs[0]), 
                word_embedding_layer(inputs[1]),
                pos_embedding_layer(inputs[2])]

听起来像这样：

outputI = predict_layer(dropout(latent_layers(keras.layers.concatenate(embeddings))))


## --------> 10]Build model 
model = Model(inputs, outputI)

【讨论】：

非常感谢，这真的很有帮助。

【解决方案2】：

您需要将您的嵌入（来自 keras 或任何其他外部模型，如 Glove、Bert）转换为像这样的 keras 输入

headline_embeddings = model.encode(headlines) #from bert
snippets_embeddings = model.encode(snippets)#from bert
h_embeddings = np.asarray(snippets_embeddings) #into numpy format
s_embeddings = np.asarray(headline_embeddings)
headline = Input(name = 'h_embeddings', shape = [1]) #converting into keras inputs
snippet = Input(name = 's_embeddings', shape = [1])
model = Model(inputs = ([headline, snippet]), outputs = merged) #keras model input

【讨论】：