Fatal编程技术网
  • keras/
  • Keras 意外发现BatchNormalization类型的实例。应为符号张量实例

Keras 意外发现BatchNormalization类型的实例。应为符号张量实例

keras

Keras 意外发现BatchNormalization类型的实例。应为符号张量实例,keras,tensor,batch-normalization,Keras,Tensor,Batch Normalization,我在Keras中实现剩余网络时出错。下面是给出错误的代码（错误来自函数定义中最后一步的第一行）： 加载包： import numpy as np from keras import layers from keras.layers import Input, Add, Concatenate, Dense, Activation, ZeroPadding2D, BatchNormalization, Flatten, Conv2D, AveragePooling2D, MaxPooling2D,

我在Keras中实现剩余网络时出错。下面是给出错误的代码（错误来自函数定义中最后一步的第一行）：

加载包：

import numpy as np
from keras import layers
from keras.layers import Input, Add, Concatenate, Dense, Activation, ZeroPadding2D, BatchNormalization, Flatten, Conv2D, AveragePooling2D, MaxPooling2D, GlobalMaxPooling2D
from keras.models import Model, load_model
from keras.preprocessing import image
from keras.utils import layer_utils
from keras.utils.data_utils import get_file
from keras.applications.imagenet_utils import preprocess_input
import pydot
from IPython.display import SVG
from keras.utils.vis_utils import model_to_dot
from keras.utils import plot_model
from resnets_utils import *
from keras.initializers import glorot_uniform
import scipy.misc
from matplotlib.pyplot import imshow
%matplotlib inline

import keras.backend as K
K.set_image_data_format('channels_last')
K.set_learning_phase(1)
定义函数：（给出错误的是“最后一步”的第一行）

调用/测试上述功能：

tf.reset_default_graph()

with tf.Session() as test:
    np.random.seed(1)
    A_prev = tf.placeholder("float", [3, 4, 4, 6])
    X = np.random.randn(3, 4, 4, 6)
    A = identity_block(A_prev, f = 2, filters = [2, 4, 6], stage = 1, block = 'a')
    test.run(tf.global_variables_initializer())
    out = test.run([A], feed_dict={A_prev: X, K.learning_phase(): 0})
    print("out = " + str(out[0][1][1][0]))
以下是打印消息和错误消息：

在BatchNormalization之前：X=张量（“res1a_branch2c/BiasAdd:0”，shape=（3,4,4,6），dtype=float32） 批处理规范化后：X=

ValueError:意外地找到了类型为``的实例。应为符号张量实例。
下面是完整的日志（以备需要）

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
/assert\u input\u兼容性（self，inputs）中的opt/conda/lib/python3.6/site-packages/keras/engine/topology.py
424试试：
-->425 K.is_keras_张量（x）
426除值错误外：
/is_keras_tensor（x）中的opt/conda/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py
399 tf.SparseTensor）：
-->400 raise VALUERROR（'意外发现类型为''+str（类型（x））+'`'的实例。'
401“应为符号张量实例”。）
ValueError:意外发现类型为“%1”的实例。应为符号张量实例。
在处理上述异常期间，发生了另一个异常：
ValueError回溯（最近一次调用上次）
在（）
5a_prev=tf.占位符（“float”，[3,4,4,6]）
6x=np.random.randn（3,4,4,6）
---->7 A=标识块（A\u prev，f=2，过滤器=[2,4,6]，阶段=1，块='A'）
8测试运行（tf.global\u variables\u initializer（））
9 out=test.run（[A]，feed_dict={A_prev:X，K.learning_phase（）：0}）
标识块中（X、f、过滤器、阶段、块）
43
44#最后一步：将快捷方式值添加到主路径，并通过RELU激活传递它(≈（2行）
--->45 X=添加（）（[X_快捷方式，X]）
46 X=激活（'relu'）（X）
47
/opt/conda/lib/python3.6/site-packages/keras/engine/topology.py in___调用（self，input，**kwargs）
556#在输入不兼容的情况下引发异常
557#具有图层构造函数中指定的输入规格。
-->558自我断言输入兼容性（输入）
559
560#收集输入形状以构建图层。
/assert\u input\u兼容性（self，inputs）中的opt/conda/lib/python3.6/site-packages/keras/engine/topology.py
429'接收类型：'+
430 str（x型））+'。完整输入：'+
-->431 str（输入）+'。层的所有输入
432'应该是张量。'））
433
ValueError:调用Layer add_1时使用的输入不是符号张量。收到的类型：。完整输入：[，]。层的所有输入都应该是张量。
我想我在函数定义的最后一步遗漏了一些东西，但我不知道为什么会出错。这里的Keras专家能帮我吗？

始终记住将张量传递到层：

print(f'before BatchNormalization: X={X}');
#X = BatchNormalization(axis=3,name=bn_name_base+'2c')    # <--- INCORRECT
X = BatchNormalization(axis=3,name=bn_name_base+'2c')(X)  # <--- CORRECT
print(f'after  BatchNormalization: X={X}');

print（BatchNormalization之前的f'X={X}'）；

#X=BatchNormalization（axis=3，name=bn_name_base+'2c'）#它来自Coursera项目，BatchNormalization明确放在'relu'步骤之前：如果在'relu'步骤之后应用，BatchNormalization将再次引入负数。我们生活在一个多么小的世界啊！我在这一点上犯了完全相同的错误！谢谢你问这个问题！阿里加托。谢谢你，你说得绝对正确！在BatchNormalization之后，我第一次使用了（X），但在修复其他幼稚的bug时，不知怎的放弃了它。我不熟悉堆栈溢出。我怎么能接受你的回答作为我问题的答案^_^另外，我没有为函数定义复制“returnx”部分，因为它不是导致错误的部分。但我的错是，我明白了，接受了你的回答。再次感谢@Jonathan没问题-欢迎来到StackOverflow。no
return X
稍后会出现问题（请尝试查看）-另外，在pro提示中，在各种
X=
定义上运行
X.\uuu dict\uuuu
以查看对象属性及其差异-有助于学习和调试。好的，卢卡同意。我猜我在键入Add（）part时按了ctrl+X而不是ctrl+C，可能（或者谁知道^ ^），然后（X）消失了。在“返回X”上。我原来的帖子很短，我对帖子进行了几次编辑，以使我的问题更清楚。“return X”没有包含在我的第一次编辑中：我没有包含函数调用部分，显然不是导致错误的部分。后来我添加了函数调用部分，但忘了添加“returnx”。有一段时间没编程了。现在我真的需要再次提高我的编程技能了。英雄联盟

ValueError: Unexpectedly found an instance of type `<class 'keras.layers.normalization.BatchNormalization'>`. Expected a symbolic tensor instance.



---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
/opt/conda/lib/python3.6/site-packages/keras/engine/topology.py in assert_input_compatibility(self, inputs)
    424             try:
--> 425                 K.is_keras_tensor(x)
    426             except ValueError:

/opt/conda/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py in is_keras_tensor(x)
    399                           tf.SparseTensor)):
--> 400         raise ValueError('Unexpectedly found an instance of type `' + str(type(x)) + '`. '
    401                          'Expected a symbolic tensor instance.')

ValueError: Unexpectedly found an instance of type `<class 'keras.layers.normalization.BatchNormalization'>`. Expected a symbolic tensor instance.

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)
<ipython-input-6-b3d1050f50dc> in <module>()
      5     A_prev = tf.placeholder("float", [3, 4, 4, 6])
      6     X = np.random.randn(3, 4, 4, 6)
----> 7     A = identity_block(A_prev, f = 2, filters = [2, 4, 6], stage = 1, block = 'a')
      8     test.run(tf.global_variables_initializer())
      9     out = test.run([A], feed_dict={A_prev: X, K.learning_phase(): 0})

<ipython-input-5-013941ce79d6> in identity_block(X, f, filters, stage, block)
     43 
     44     # Final step: Add shortcut value to main path, and pass it through a RELU activation (≈2 lines)
---> 45     X = Add()([X_shortcut,X])
     46     X = Activation('relu')(X)
     47 

/opt/conda/lib/python3.6/site-packages/keras/engine/topology.py in __call__(self, inputs, **kwargs)
    556                 # Raise exceptions in case the input is not compatible
    557                 # with the input_spec specified in the layer constructor.
--> 558                 self.assert_input_compatibility(inputs)
    559 
    560                 # Collect input shapes to build layer.

/opt/conda/lib/python3.6/site-packages/keras/engine/topology.py in assert_input_compatibility(self, inputs)
    429                                  'Received type: ' +
    430                                  str(type(x)) + '. Full input: ' +
--> 431                                  str(inputs) + '. All inputs to the layer '
    432                                  'should be tensors.')
    433 

ValueError: Layer add_1 was called with an input that isn't a symbolic tensor. Received type: <class 'keras.layers.normalization.BatchNormalization'>. Full input: [<tf.Tensor 'Placeholder:0' shape=(3, 4, 4, 6) dtype=float32>, <keras.layers.normalization.BatchNormalization object at 0x7f169c6d9668>]. All inputs to the layer should be tensors.



print(f'before BatchNormalization: X={X}');
#X = BatchNormalization(axis=3,name=bn_name_base+'2c')    # <--- INCORRECT
X = BatchNormalization(axis=3,name=bn_name_base+'2c')(X)  # <--- CORRECT
print(f'after  BatchNormalization: X={X}');