Python 获取错误:AttributeError:';节点';对象没有属性';输出掩码';在展平层用于展平嵌入输出 在keras中运行LSTM和嵌入层
在运行扁平化keras代码时出现问题。Python 获取错误:AttributeError:';节点';对象没有属性';输出掩码';在展平层用于展平嵌入输出 在keras中运行LSTM和嵌入层,python,keras,deep-learning,Python,Keras,Deep Learning,在运行扁平化keras代码时出现问题。 import tensorflow as tf from tensorflow.keras.layers import Dense,concatenate,Activation,Dropout,Input,LSTM,Embedding from tensorflow.keras.models import Model from tensorflow.keras.models import Sequential tf.keras.backend.clear
import tensorflow as tf
from tensorflow.keras.layers import Dense,concatenate,Activation,Dropout,Input,LSTM,Embedding
from tensorflow.keras.models import Model
from tensorflow.keras.models import Sequential
tf.keras.backend.clear_session()
input_layer1 = Input(shape=(48432,), dtype='int32', name='input_layer1')
embed_text = Embedding(48432, 100, weights=[embedding_matrix], input_length=1300, trainable=False)
(input_layer1)
#embed = tf.reshape(embed_text(5,48432,100))
text_LSTM = LSTM(32,input_shape=(48432,100),return_sequences=True)(embed_text)
flatten_layer1 = Flatten()(text_LSTM)
#school state Input layer
input_layer2 = Input(shape=(50000,), dtype='int32', name='input_layer2')
embed_school_state = Embedding(30000, 100, input_length=1, trainable=True)(input_layer2)
flatten_layer1 = Flatten()(embed_school_state)
下面是错误消息
*AttributeError回溯(最近一次呼叫上次)
*在
*20输入层2=input(shape=(50000,),数据类型='int32',name='input层2')
*21嵌入学校状态=嵌入(30000,100,输入长度=1,*可培训=真)(输入层2)
*--->22展平层1=展平()(嵌入学校状态)
*\调用中的Anaconda3\lib\site packages\keras\engine\base\u layer.py(self,*input,**kwargs)
*474#处理掩码传播。
*-->475上一个\u掩码=\u收集\u上一个\u掩码(输入)
*476 user_kwargs=kwargs.copy()
*477如果不是全部(以前的屏蔽):
*~\Anaconda3\lib\site packages\keras\engine\base\u layer.py in*\u collect\u previous\u mask(输入张量)
*1439入站\u层,节点\u索引,张量\u索引=x.\u keras\u历史
*1440节点=入站\层。\入站\节点[节点\索引]
*->1441掩码=节点。输出掩码[张量索引]
*1442掩码。追加(掩码)
**AttributeError:'Node'对象没有属性'output\u masks'**请提供有关该问题的更多详细信息。请共享整个错误消息,以及一个。@AMC下面是将导致错误的可复制代码:input\u layer2=input(shape=(50000,),dtype='int32',name='input\u layer2')embedded\u school\u state=embedded(30000,100,input\u length=1,trainable=True)(input\u layer2)flatten\u layer1=flatten()(embed\u school\u state)在我只在keras.layers包下面使用了,而没有从keras.layers中调用tensorflow.keras之后,这个问题就解决了。layers导入密集、连接、激活、退出、输入、LSTM、,从keras.models嵌入从keras.models导入模型