添加不同大小输入和输出的Keras Lambda层时的广播问题

我搜索并发现了类似的问题，但没有一个问题与我所面临的问题相同。我正在尝试使用Theano后端（都是最新版本）实现Keras的神经网络，它涉及一个Lambda层，该层获取一个层的一维输出，并将其转换为一个n维向量，一维输出重复n次

我似乎遇到的问题是，在Lambda层，Keras似乎期望输入与我指定的输出形状具有相同的维度：

x=Input(shape=(2,))
V1=Dense(1)(x)
V2=Lambda(lambda B : B[0,0]*K.ones((3,)),output_shape=(3,))(V1)
model=Model(inputs=x,outputs=V2)
rms = RMSprop()
model.compile(loss='mse', optimizer=rms)
model.predict(np.array([1,2]).reshape((1,2)))

这就产生了这个错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-7-40a7e91d5963> in <module>()
----> 1 model.predict(np.array([1,2]).reshape((1,2)))

/Users/user/anaconda/envs/py35/lib/python3.5/site-packages/keras/engine    /training.py in predict(self, x, batch_size, verbose)
   1504         f = self.predict_function
   1505         return self._predict_loop(f, ins,
-> 1506                                   batch_size=batch_size, verbose=verbose)
   1507 
   1508     def train_on_batch(self, x, y,

/Users/user/anaconda/envs/py35/lib/python3.5/site-packages/keras/engine/training.py in _predict_loop(self, f, ins, batch_size, verbose)
   1137 
   1138             for i, batch_out in enumerate(batch_outs):
-> 1139                 outs[i][batch_start:batch_end] = batch_out
   1140             if verbose == 1:
   1141                 progbar.update(batch_end)

ValueError: could not broadcast input array from shape (3) into shape (1)

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
---->1模型。预测（np。数组（[1,2]）。重塑（（1,2）））
/预测中的Users/user/anaconda/envs/py35/lib/python3.5/site-packages/keras/engine/training.py（self，x，批量大小，详细）
1504 f=自预测函数
1505返回自循环（f，ins，
->1506批次大小=批次大小，详细=详细）
1507
1508 def系列在批次上（自身、x、y、，
/Users/user/anaconda/envs/py35/lib/python3.5/site-packages/keras/engine/training.py in\u predict\u循环（self、f、ins、批大小、详细）
1137
1138对于i，批输出在枚举中（批输出）：
->1139输出[i][批处理开始：批处理结束]=批处理输出
1140如果详细==1：
1141程序条更新（批处理结束）
ValueError:无法将输入数组从形状（3）广播到形状（1）

我知道还有其他方法可以尝试这样做（

K.repeat_elements

），但这也给了我有关广播的错误消息。注意，即使我删除

B[0,0]*

（这样Lambda层根本不依赖

B

），问题仍然存在。如果我更改

（3，）

在

K.one

和

输出_形

到

（1，）

中，它似乎可以工作

---

从我所理解的，lambda层应该能够处理不同维度的输入/输出对，这是正确的吗？

< P> <代码> OutPuthStult，您不考虑批次大小。所以这是正确的：<代码>（3）< <代码> < /P> 但在张量中，批大小是不可忽略的。表达式的结果至少需要两个维度：（batch_size，3）

另外，不要使用张量的元素，而是使用整个张量。我还没有发现使用单独的元素是重要的或有用的（因为你应该对整个批次执行完全相同的操作）

---

我建议您使用

K.repeat\u元素（B，rep=3，axis=-1）

非常有帮助，谢谢。我想让我感到困惑的是，在

输出形状中，批量大小占据元组中的第二个位置，而在定义lambda函数中的
K.one
张量时，批量大小位于第一个位置。你能告诉我为什么吗？记住这一点，你的sugg估计有效（在重塑
K.repeat\u元素
tensor之后）。谢谢！不，批大小总是占据第一位。我不知道为什么
（3，）
中有逗号，但它并不意味着任何有用的东西。当只有一个维度时，您只需使用该逗号。如果您有（无，3），则将其定义为（3，）。如果您有（没有，3, 4），将它定义为（3,4）。-它可能只是一个符号问题，也许有必要至少有一个逗号来创建元组。当答案是对的，请考虑将它标记为：）-这帮助其他用户在搜索答案时。