时间戳

首页 > 解决方案 > 在 Keras 函数式 API 中使用嵌入层

python-3.x - 在 Keras 函数式 API 中使用嵌入层

问题描述

使用 Keras 功能 API 执行基本操作似乎会产生错误。例如，以下失败：

from keras.layers import InputLayer, Embedding
input = InputLayer(name="input", input_shape=(1, ))
embedding = Embedding(10000, 64)(input)

这会产生错误：

AttributeError：“str”对象没有属性“base_dtype”

然后我可以通过使用input_length参数“作弊”，但是当我尝试连接两个这样的嵌入时，这会失败：

from keras.layers import InputLayer, Embedding, Concatenate
embedding1 = Embedding(10000, 64, input_length=1)
embedding2 = Embedding(10000, 64, input_length=1)
concat = Concatenate()([embedding1 , embedding2])

这给出了错误：

TypeError：“NoneType”对象不可下标

当我改用“连接”（小写字母）时出现同样的错误（一些消息来源似乎说，如果使用功能性 API，则应该使用它）。

我究竟做错了什么？

我在 tensorflow 版本2.3.1，keras 版本2.4.3，python 版本3.6.7

标签： python-3.xtensorflowkeras

解决方案

我强烈建议使用tf.keras而不是keras.

它不起作用，因为InputLayer是 的一个实例keras.Layer，而keras.layers.Input是 的一个实例Tensor。的论点layer.__call__()应该是Tensor而不是keras.Layer。

import tensorflow as tf

inputs = tf.keras.layers.Input((1,))
print(type(inputs)) # <class 'tensorflow.python.framework.ops.Tensor'>
input_layer = tf.keras.layers.InputLayer(input_shape=(1,))
print(type(input_layer)) # <class 'tensorflow.python.keras.engine.input_layer.InputLayer'>

您InputLayer与SequentialAPI 一起使用。当您使用功能性 API 时，您应该tf.keras.layers.Input()改用：

import tensorflow as tf

inputs = tf.keras.layers.Input((1, ), name="input", )
embedding = tf.keras.layers.Embedding(10000, 64)(inputs)

与第二个示例相同：

import tensorflow as tf

inputs = tf.keras.layers.Input((1, ), name="input", )
embedding1 = tf.keras.layers.Embedding(10000, 64)(inputs)
embedding2 = tf.keras.layers.Embedding(10000, 64)(inputs)

concat = tf.keras.layers.Concatenate()([embedding1, embedding2])

推荐阅读