使用非符号张量keras的输入调用的图层

Question

我正在尝试将一个层的输出传递到两个不同的层中，然后将它们连接在一起。然而，我被这个错误阻止了，它告诉我我的输入不是符号张量。

Received type: <class 'keras.layers.recurrent.LSTM'>. All inputs to the layers should be tensors.

但是，我相信我非常仔细地遵循了文档：https://keras.io/getting-started/functional-api-guide/#multi-input-and-multi-output-models

并且不能完全确定为什么这是错误的？

net_input = Input(shape=(maxlen, len(chars)), name='net_input')
lstm_out = LSTM(128, input_shape=(maxlen, len(chars)))

book_out = Dense(len(books), activation='softmax', name='book_output')(lstm_out)
char_out = Dense(len(chars-4), activation='softmax', name='char_output')(lstm_out)

x = keras.layers.concatenate([book_out, char_out])
net_output = Dense(len(chars)+len(books), activation='sigmoid', name='net_output')

model = Model(inputs=[net_input], outputs=[net_output])

谢谢

Answer 1

看起来您实际上并没有给LSTM层提供输入。您可以指定递归神经元的数量和输入的形状，但不提供输入。尝试：

lstm_out = LSTM(128, input_shape=(maxlen, len(chars)))(net_input)

Answer 2

我知道，文档可能会让人感到困惑，但当你传递各个层时，Concatenate实际上只需要"axis“作为参数。这些层需要作为参数传递给它的结果，如下所示：

要修改的

行：

X= keras.layers.concatenate(book_out，char_out)

应该是什么样子：

X= keras.layers.Concatenate()(book_out，char_out)

Answer 3

我认为你需要添加axis=1来连接，尝试：

x = keras.layers.concatenate([book_out, char_out], axis=1)