Python 3.x 使用model.fit（）时的InvalidArgumentError

我正在尝试在keras/tensorflow中构建一个自定义层。目的是将其扩展为RNN。问题出现在训练过程中，显然，在训练过程中，输出形状和训练数据集不兼容

X_train.shape
(100, 5)
X_target.shape
(100, 5)

这是自定义图层：

class MyLayer(Layer):

    def __init__(self, output_dim, **kwargs):
        self.output_dim = output_dim
        super(MyLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        print(self.output_dim)
        print(input_shape)
        # Create a trainable weight variable for this layer.

        self.kernel = self.add_weight(name='kernel', 
                                  shape=(self.output_dim,   input_shape[1]), 
                                  initializer='uniform',
                                  trainable=True)
        super(MyLayer, self).build(input_shape)  # Be sure to call this at the end

    def call(self, x):
        print('shape x: ')
        print(x.shape)
        print('shape kernel: ')
        print(self.kernel.shape)
        matrix = tf.transpose(self.kernel)
        print('matrix')
        print(matrix.shape)
        prod = K.dot(x, matrix)
        print('after product')
        print(prod.shape)

        return prod

    def compute_output_shape(self, input_shape):
        print('Compute output shape')
        print(input_shape)
        print(self.output_dim)
        return (input_shape[0], self.output_dim)

model = Sequential()
model.add(MyLayer(5, batch_input_shape=(100, 5)))
model.compile(optimizer='adam', loss='mse')
# fit model
model.fit(X_train, X_target)

tf.keras.__version__ = '2.1.6-tf'

由于我通过了形状为（100,5）的x_训练，我希望通过将其乘以（5,5）矩阵，我将得到一个与目标形状相同的矩阵（100,5），因此，在这种情况下，我将能够训练一个5x5权重矩阵。相反，我得到的是：

InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-77-4dee23ead957> in <module>()
      6 model.compile(optimizer='adam', loss='mse')
      7 # fit model
----> 8 model.fit(X_train, X_target)#, epochs=300, verbose=0)

~/anaconda3/envs/ldsa/lib/python3.5/site-packages/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs)
   1037                                         initial_epoch=initial_epoch,
   1038                                         steps_per_epoch=steps_per_epoch,
-> 1039                                         validation_steps=validation_steps)
   1040 
   1041     def evaluate(self, x=None, y=None,

~/anaconda3/envs/ldsa/lib/python3.5/site-packages/keras/engine/training_arrays.py in fit_loop(model, f, ins, out_labels, batch_size, epochs, verbose, callbacks, val_f, val_ins, shuffle, callback_metrics, initial_epoch, steps_per_epoch, validation_steps)
    197                     ins_batch[i] = ins_batch[i].toarray()
    198 
--> 199                 outs = f(ins_batch)
    200                 outs = to_list(outs)
    201                 for l, o in zip(out_labels, outs):

~/anaconda3/envs/ldsa/lib/python3.5/site-packages/keras/backend/tensorflow_backend.py in __call__(self, inputs)
   2713                 return self._legacy_call(inputs)
   2714 
-> 2715             return self._call(inputs)
   2716         else:
   2717             if py_any(is_tensor(x) for x in inputs):

~/anaconda3/envs/ldsa/lib/python3.5/site-packages/keras/backend/tensorflow_backend.py in _call(self, inputs)
   2673             fetched = self._callable_fn(*array_vals, run_metadata=self.run_metadata)
   2674         else:
-> 2675             fetched = self._callable_fn(*array_vals)
   2676         return fetched[:len(self.outputs)]
   2677 

~/anaconda3/envs/ldsa/lib/python3.5/site-packages/tensorflow/python/client/session.py in __call__(self, *args, **kwargs)
   1380           ret = tf_session.TF_SessionRunCallable(
   1381               self._session._session, self._handle, args, status,
-> 1382               run_metadata_ptr)
   1383         if run_metadata:
   1384           proto_data = tf_session.TF_GetBuffer(run_metadata_ptr)

~/anaconda3/envs/ldsa/lib/python3.5/site-packages/tensorflow/python/framework/errors_impl.py in __exit__(self, type_arg, value_arg, traceback_arg)
    517             None, None,
    518             compat.as_text(c_api.TF_Message(self.status.status)),
--> 519             c_api.TF_GetCode(self.status.status))
    520     # Delete the underlying status object from memory otherwise it stays alive
    521     # as there is a reference to status from this from the traceback due to

InvalidArgumentError: Incompatible shapes: [100,5] vs. [32,5]
     [[Node: training_12/Adam/gradients/loss_17/my_layer_19_loss/sub_grad/BroadcastGradientArgs = BroadcastGradientArgs[T=DT_INT32, _class=["loc:@training_12/Adam/gradients/loss_17/my_layer_19_loss/sub_grad/Reshape"], _device="/job:localhost/replica:0/task:0/device:CPU:0"](training_12/Adam/gradients/loss_17/my_layer_19_loss/sub_grad/Shape, training_12/Adam/gradients/loss_17/my_layer_19_loss/sub_grad/Shape_1)]]

InvalidArgumentError回溯（最近一次调用上次）
在（）
6.model.compile（优化器='adam'，loss='mse'）
7#拟合模型
---->8模型拟合（X_序列，X_目标）#，历元=300，详细=0）
~/anaconda3/envs/ldsa/lib/python3.5/site-packages/keras/engine/training.py in-fit（self、x、y、批量大小、历元、详细信息、回调、验证拆分、验证数据、无序排列、类权重、样本权重、初始历元、每个历元的步骤、验证步骤、**kwargs）
1037初始纪元=初始纪元，
1038步/u历元=步/u历元，
->1039验证步骤=验证步骤）
1040
1041 def评估（自我，x=无，y=无，
~/anaconda3/envs/ldsa/lib/python3.5/site-packages/keras/engine/training\u arrays.py in-fit\u循环（模型、f、ins、out\u标签、批次大小、历元、冗余、回调、val\u f、val\u-ins、随机、回调度量、初始历元、每个历元的步骤、验证步骤）
197 ins_批次[i]=ins_批次[i].toarray（）
198
-->199输出=f（输入/输出批次）
200个出局=待办名单（出局）
201用于l，o-in-zip（out_标签，out）：
~/anaconda3/envs/ldsa/lib/python3.5/site-packages/keras/backend/tensorflow\u backend.py in\uuuuu调用（self，输入）
2713返回自。\u传统\u调用（输入）
2714
->2715返回自调用（输入）
2716其他：
2717如果py_有（输入中x的张量为x）：
调用中的~/anaconda3/envs/ldsa/lib/python3.5/site-packages/keras/backend/tensorflow\u backend.py（自我，输入）
2673 fetched=self.\u callable\u fn（*array\u vals，run\u metadata=self.run\u metadata）
2674其他：
->2675 fetched=self.\u callable\u fn（*array\u vals）
2676获取的返回[：len（自输出）]
2677
~/anaconda3/envs/ldsa/lib/python3.5/site-packages/tensorflow/python/client/session.py在调用中（self，*args，**kwargs）
1380 ret=tf_session.tf_SessionRunCallable(
1381 self.\u session.\u session，self.\u句柄，参数，状态，
->1382运行（元数据）
1383如果运行\u元数据：
1384 proto_data=tf_session.tf_GetBuffer（run_metadata_ptr）
~/anaconda3/envs/ldsa/lib/python3.5/site-packages/tensorflow/python/framework/errors\u impl.py in\uuuuuuu exit\uuuuuuuuu（self，type\u arg，value\u arg，traceback\u arg）
517没有，没有，
518 compat.as_text（c_api.TF_消息（self.status.status）），
-->519 c_api.TF_GetCode（self.status.status））
520#从内存中删除基础状态对象，否则它将保持活动状态
521#由于以下原因，在回溯中有一个状态参考：
InvalidArgumentError:不兼容的形状：[100,5]与[32,5]
[[Node:training_12/Adam/gradients/loss_17/my_layer_19_loss/sub_grad/BroadcastGradientArgs=BroadcastGradientArgs[T=DT_INT32，_class=[[loc:@training_12/Adam/gradients/loss_17/my_layer_19_loss/sub_Grade/Reformate]，_device=“/job:localhost/replica:0/task:0/device:CPU:0]（training_12/Adam/gradients/loss_17/my_layer_19_loss/sub_grad/Shape，training_12/Adam/gradients/loss_17/my_layer_19_loss/sub_grad/Shape_1）]]

---

我的惊讶来自于：不兼容的形状：[100,5]与[32,5]，这32从何而来？

自动命名的实例吓坏了我！我看到“training_12”和“loss_17”以及“My_layer_19_loss”，这让我想

导入keras.backend作为K

和

K。在
model=Sequential（）之前清除会话（）
。自动命名实例让我害怕！我看到“training_12”、“loss_17”和“my_layer_19_loss”，这让我想
将keras.backend导入为K
和
K。在
model=Sequential（）
之前清除会话（）。