Python 如何正确连接Keras中的致密层和Lambda层？

我在用Keras。在以下代码中，

模型

将

[a0，a1]

，

[b0，b1，b2]

作为输入，并将

[a0*b0，a0*b1，a0*b2，a1*b0，a1*b1，a1*b2]

作为输出：

from keras import backend as K
from keras.models import Model
from keras.models import Input
from keras.layers import Dense

def mix(ts):
    t0 = K.expand_dims(ts[0], axis=-1)
    t1 = K.expand_dims(ts[1], axis=1)
    return K.batch_flatten(t0 * t1)

a = Input(shape=(2,))
b = Input(shape=(3,))
c = Lambda(mix)([a, b])

model = Model(inputs=[a,b], outputs=c)

以下是测试：

u = np.array([1,2]).reshape(1,2)
v = np.array([3,4,5]).reshape(1,3)
print(model.predict([u,v]))

[[3.4.5.6.8.10.]

但如果我尝试将

Dense

层连接到

Lambda

层，我会得到一个错误：

from keras import backend as K
from keras.models import Model
from keras.models import Input
from keras.layers import Dense

def mix(ts):
    t0 = K.expand_dims(ts[0], axis=-1)
    t1 = K.expand_dims(ts[1], axis=1)
    return K.batch_flatten(t0 * t1)

a = Input(shape=(2,))
b = Input(shape=(3,))
c = Lambda(mix)([a, b])
d = Dense(2)(c)

model = Model(inputs=[a,b], outputs=d)

下面是我得到的错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-6-0f7f977a1e79> in <module>()
      7 b = Input(shape=(3,))
      8 c = Lambda(mix)([a, b])
----> 9 d = Dense(2)(c)
     10 
     11 model = Model(inputs=[a,b], outputs=d)

~\Anaconda3\envs\mind\lib\site-packages\keras\engine\base_layer.py in __call__(self, inputs, **kwargs)
    429                                          'You can build it manually via: '
    430                                          '`layer.build(batch_input_shape)`')
--> 431                 self.build(unpack_singleton(input_shapes))
    432                 self.built = True
    433 

~\Anaconda3\envs\mind\lib\site-packages\keras\layers\core.py in build(self, input_shape)
    864                                       name='kernel',
    865                                       regularizer=self.kernel_regularizer,
--> 866                                       constraint=self.kernel_constraint)
    867         if self.use_bias:
    868             self.bias = self.add_weight(shape=(self.units,),

~\Anaconda3\envs\mind\lib\site-packages\keras\legacy\interfaces.py in wrapper(*args, **kwargs)
     89                 warnings.warn('Update your `' + object_name + '` call to the ' +
     90                               'Keras 2 API: ' + signature, stacklevel=2)
---> 91             return func(*args, **kwargs)
     92         wrapper._original_function = func
     93         return wrapper

~\Anaconda3\envs\mind\lib\site-packages\keras\engine\base_layer.py in add_weight(self, name, shape, dtype, initializer, regularizer, trainable, constraint)
    247         if dtype is None:
    248             dtype = K.floatx()
--> 249         weight = K.variable(initializer(shape),
    250                             dtype=dtype,
    251                             name=name,

~\Anaconda3\envs\mind\lib\site-packages\keras\initializers.py in __call__(self, shape, dtype)
    207             scale /= max(1., fan_out)
    208         else:
--> 209             scale /= max(1., float(fan_in + fan_out) / 2)
    210         if self.distribution == 'normal':
    211             # 0.879... = scipy.stats.truncnorm.std(a=-2, b=2, loc=0., scale=1.)

TypeError: unsupported operand type(s) for +: 'NoneType' and 'int'

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
7b=输入（形状=（3，））
8 c=λ（混合物）（[a，b]）
---->9 d=密度（2）（c）
10
11模型=模型（输入=[a，b]，输出=d）
~\Anaconda3\envs\mind\lib\site packages\keras\engine\base\u layer.py在调用中（self，input，**kwargs）
429'您可以通过以下方式手动构建它：'
430'`layer.build（批处理输入形状）`）
-->431自构建（解包单例（输入形状））
432自建=真
433
~\Anaconda3\envs\mind\lib\site packages\keras\layers\core.py内置（self，input\u shape）
864 name='kernel'，
865正则化器=self.kernel\u正则化器，
-->866约束=self.kernel\u约束）
867如果自我使用偏差：
868 self.bias=self.add_权重（形状=（自身单位，），
包装中的~\Anaconda3\envs\mind\lib\site packages\keras\legacy\interfaces.py（*args，**kwargs）
89 warnings.warn（'Update your`'+object\u name+'`调用+
90'Keras 2 API:'+签名，堆栈级别=2）
--->91返回函数（*args，**kwargs）
92包装器._原始函数=func
93返回包装器
添加权重中的~\Anaconda3\envs\mind\lib\site packages\keras\engine\base\u layer.py（self、name、shape、dtype、initializer、regularizer、trainable、constraint）
247如果数据类型为无：
248 dtype=K.floatx（）
-->249重量=K.变量（初始值设定项（形状），
250数据类型=数据类型，
251 name=名称，
调用中的~\Anaconda3\envs\mind\lib\site packages\keras\initializers.py（self、shape、dtype）
207刻度/=最大值（1，扇出）
208其他：
-->209刻度/=最大值（1，浮动（扇形输入+扇形输出）/2）
210如果自分布=‘正常’：
211#0.879…=scipy.stats.truncnorm.std（a=-2，b=2，loc=0，scale=1。）
TypeError:不支持+：“NoneType”和“int”的操作数类型

---

如何将

密集

层正确连接到

Lambda

层？

在这种情况下，您需要设置

Lambda

层的输出形状，因为它无法自动推断。请手动传递

输出形状

：

c = Lambda(mix, output_shape=(6,))([a, b])

或者更好的方法是，传递一个函数，根据层的输入张量的形状计算输出形状：

def mix_output_shape(input_shape):
    # input_shape[0] is the shape of first input tensor
    # input_shape[1] is the shape of second input tensor
    return (input_shape[0][0], input_shape[0][1] * input_shape[1][1])

# ...
c = Lambda(mix, mix_output_shape)([a, b])