Python Keras：如何用Keras中的输入张量切片常数矩阵？

代码如下：

from keras.layers import Embedding, Input, Dense, Flatten, concatenate, Dot, Lambda
from keras import backend as K

def get_model(train, num_users, num_items, userlayers=[512, 64], itemlayers=[1024, 64]):
    num_layer = len(userlayers)  # Number of layers in the MLP

    # Input variables
    user_input = Input(shape=(1,), dtype='int32', name='user_input')
    item_input = Input(shape=(1,), dtype='int32', name='item_input')

    user_matrix = getTrainMatrix(train)
    user_latent_vector = K.variable(value=user_matrix[user_input, :])
    item_latent_vector = K.variable(value=user_matirx[:, item_input])

    userlayer = Dense(userlayers[0], activation="linear", name='userlayer0')
    itemlayer = Dense(itemlayers[0], activation="linear", name='itemlayer0')
    user_latent_vector = userlayer(user_latent_vector)
    item_latent_vector = itemlayer(item_latent_vector)

    prediction = Dot(1)([user_latent_vector, item_latent_vector])

    model_ = Model(inputs=[user_input, item_input], outputs=prediction)

    return model_

函数返回一个numpy矩阵，其中行表示用户，列表示项目。该矩阵应为常数矩阵，与

输入

张量无关。我想根据

输入

张量（小批量）得到一些行或列，即

用户输入

和

项目输入

，然后将切片送入MLP。我应该提前把numpy矩阵转换成张量吗？如何根据输入张量对矩阵进行切片

---

提前谢谢

是的，您应该将矩阵转换为张量，这可以很简单：

user_matrix = K.variable(user_matrix)

此外，还需要

K.gather

或

tf.gather

。tensorflow版本更好，因为您可以选择轴：

user_latent_vector = Lambda(lambda x: K.gather(user_matrix,x))(user_input)
item_latent_vector = Lambda(lambda x: tf.gather(user_matrix,x,axis=1))(item_input)

---

也许您需要

输入（batch_shape=（None，），…）

才能正确地实现这一点。

非常感谢！聚集函数非常有用，但使用它会导致另一个问题，即“AttributeError:'Tensor'对象没有属性'\u keras\u history'”。你知道怎么解决吗？@ZhihongDeng所有操作都必须在层内。更新了我的答案，将操作放在层内。感谢您的耐心等待。我尝试了Lambda层，但它引发了另一个错误，即“TypeError:传递给参数'Indexes'的值的数据类型float32不在允许值列表中：int32，int64”。这太奇怪了，因为没有任何东西被明确声明为浮点张量。我对它为什么说传递的索引参数具有浮点类型感到非常困惑。输入（索引）必须是整数，您可以使用

Input（…，dtype='int32'）

。是的。我已强制输入张量和用户_矩阵为int32。我还发现解决这个问题的一种方法是使用

user\u潜伏因子=Lambda（Lambda x:tf.gather（user\u matrix，tf.to\u int32（x）））（user\u input）

，但这完全不是一种优雅的方法。