Keras点轴问题

我试图使用Keras

Dot

，但出现以下错误。 你能解释一下我做错了什么吗

x1=输入（形状=（2,4））
x2=输入（形状=（4，））
y1=点（[x1，x2]，轴=（2,1））
模型A=模型（输入=[x1，x2]，输出=y1）
a1=np.arange（16）。重塑（2,2,4）
a2=np.数组（[1,2,3,4]）
模型A.预测（[a1，a2]）
---->
ValueError：检查时出错：预期输入_40具有形状（无，4），但
已获得形状为（4，1）的数组

我也是Keras的新手。下面是我在玩了点运算后得出的结论

首先，输入层的

shape

参数不包括批量大小。在您的代码中，

x2=Input（shape=（4，）

，因此x2期望输入数据为（None，4），（None表示批量大小），但a2是

np.array（[1,2,3,4]）

，形状为（1,4），因此会显示错误消息。 要消除此错误，需要将batch_size维度添加到a2

但是还有另一个问题，根据Dot的doc，我认为x1和x2应该具有相同的批量大小：

如果应用于两个形状张量a和b（批次大小，n）的列表，则输出将是形状张量（批次大小，1），其中每个条目i将是a[i]和b[i]之间的点积

所以我手动匹配a1和a2的批量大小，a1的批量大小是2，所以a2需要

np.array（[[1,2,3,4]，[1,2,3,4]）

现在你可以得到你想要的结果了：

[[20.60]
[100.140.]

---

对于像我这样的初学者来说，x1的形状是（batch_size，2，4），x2的形状是（batch_size，4），它们似乎不兼容。现在是“轴”参数发挥作用的时候了。在OP的代码中，

轴=（2,1）

表示点x1的第三轴（0索引，它是长度为4的轴），点x2的第二轴（长度也是4）。所以它将是[0,1,2,3]点[1,2,3,4]=20，[4,5,6,7]点[1,2,3,4]=60…

我对Keras也是新手。下面是我在玩了点运算后得出的结论

首先，输入层的

shape

参数不包括批量大小。在您的代码中，

x2=Input（shape=（4，）

，因此x2期望输入数据为（None，4），（None表示批量大小），但a2是

np.array（[1,2,3,4]）

，形状为（1,4），因此会显示错误消息。 要消除此错误，需要将batch_size维度添加到a2

但是还有另一个问题，根据Dot的doc，我认为x1和x2应该具有相同的批量大小：

如果应用于两个形状张量a和b（批次大小，n）的列表，则输出将是形状张量（批次大小，1），其中每个条目i将是a[i]和b[i]之间的点积

所以我手动匹配a1和a2的批量大小，a1的批量大小是2，所以a2需要

np.array（[[1,2,3,4]，[1,2,3,4]）

现在你可以得到你想要的结果了：

[[20.60]
[100.140.]

---

对于像我这样的初学者来说，x1的形状是（batch_size，2，4），x2的形状是（batch_size，4），它们似乎不兼容。现在是“轴”参数发挥作用的时候了。在OP的代码中，

轴=（2,1）

表示点x1的第三轴（0索引，它是长度为4的轴），点x2的第二轴（长度也是4）。因此它将是[0,1,2,3]点[1,2,3,4]=20，[4,5,6,7]点[1,2,3,4]=60…

输入张量的形状与计算点积不兼容

x1

是形状的张量

（无，2，4）

，

x2

是形状的张量

（无，4）

（两者均

None

指批次维度）。那么你想如何计算这两个张量之间的点积呢？即使可以，

a2

是形状的张量

（4,1）

，因此与

x2

指定的形状不兼容；这就是错误想要表达的意思。谢谢。例如a1=[[01123][4567][[891011][12131415]]和a2=[1,2,3,4]，我想得到[[20,60][100140]]。20来自[01 2 3]和[1 2 3 4]的点积，60来自[4 5 6 7]和[1 2 3 4]的点积。类似地，100、140来自[8 9 10 11]，[12 13 14 15]和[1 2 3 4]的点积有趣的是，一个未记录的特性允许将负整数设置为点层的轴参数，然后模型在编译过程中自行训练轴的维数。输入张量的形状与计算点积不兼容。

x1

是形状的张量

（无，2，4）

和

x2

是形状的张量

（无，4）

（两者都

None

表示批次维度）。那么，您想如何计算这两个张量之间的点积呢？即使可以，

a2

也是形状的张量

（4,1）

因此与指定的

x2

形状不兼容；这就是错误试图传达的内容。谢谢。例如a1=[[[01123][4567][[891011][12131415]]和a2=[1,2,3,4]，我想得到[[20,60][100140]]。20来自[0123]和[1234]的点积[，60来自[4 5 6 7]和[1 2 3 4]的点积。类似地，100，140来自[8 9 10 11]，[12 13 14 15]和[1 2 3 4]的点积有趣的是，一个未记录的特性允许将负整数设置为点层的轴参数，然后模型在编译期间自行训练轴的维度。