“NoneType”对象没有属性“_inbound_nodes”

Question

这是使用Tensorflow的Keras代码的一个问题。

我有一个简单的网络，在这个网络中，我需要在输入后立即做一个元素乘法。这部分代码如下所示。我总是有一个错误：

* AttributeError：'NoneType‘对象没有属性'_inbound_nodes’

我的代码：

    input_img = Input(shape=(256, 256, 2, 1, 2))
    masked = Lambda(lambda x: tf.multiply(x[0], x[1]))([input_img[:,:,:,:,:,0], input_img[:,:,:,:,:,1]])
    conv1 = Conv3D(1, (5, 5, 2), padding='same',  activation=activation, kernel_regularizer=regularizers.l2(1e-9))(masked)
    net_head = Model(inputs=input_img, outputs=conv1)

我已经使用了Lambda层，所以我很困惑是什么导致了这个问题。输入的维数很符合模型，所以这不应该是问题。

有人有线索吗？

这种向元素方向的乘法实际上是将一些像素隐藏为零.在上面的代码中，掩码在附加的最后一个维度中连接到输入变量。或者，我还尝试为掩码使用一个变量，例如input_mask，而不是将它作为附加的最后一个维度在input_image中进行，这样的乘法也不能处理相同的错误信息。

我之所以要在网络输入层之后，而不是在输入层之前，对输入数据做掩蔽处理，是因为我需要输入图像的完整数据(包括被蒙面数据)，才能进行混乱的损失计算。

Answer 1

您正在将您的张量操作到一个层之外。(获取切片也是操作)

您需要将切片input_img[:,:,:,:,:,0]和input_img[:,:,:,:,:,1] 放在的一个层中。

masked = Lambda(lambda x: x[:,:,:,:,:,0]*x[:,:,:,:,:,1])(input_img)

Answer 2

正如Daniel所指出的，您不能从一个层中提取切片，因为如果没有Keras使用的注释，就会生成“原始”张量。如果出于某种原因仍然希望拥有两个输入层，也可以将切片封装到层中：

input_img = Input(shape=(256, 256, 2, 1, 2))
slice0 = Lambda(lambda x: x[:, :, :, :, :, 0])(input_img)
slice1 = Lambda(lambda x: x[:, :, :, :, :, 1])(input_img)
masked = Lambda(lambda x: tf.multiply(x[0], x[1]))([slice0, slice1])
net_head = Model(inputs=input_img, outputs=masked)
# ...