Python Keras/Tensorflow:ValueError:形状（？，12）必须具有秩1

（Keras

1.0.7

，Tensorflow

r0.10

）

我正在尝试实现我自己的激活功能：

# Custom activation function (Radial Basis Function - RBF)
l2_norm = lambda a, b: K.sqrt(((a - b) ** 2).sum())
def rbf(x, gamma=1.0):
     return K.exp(-1 * gamma * l2_norm(x[0], x[1]) ** 2)

model = Sequential()
# Some other layers go here
model.add(Dense(n_classes, activation=rbf))

以下是我的模型的相关部分，我在其中指定了自定义激活功能：

# Custom activation function (Radial Basis Function - RBF)
l2_norm = lambda a, b: K.sqrt(((a - b) ** 2).sum())
def rbf(x, gamma=1.0):
     return K.exp(-1 * gamma * l2_norm(x[0], x[1]) ** 2)

model = Sequential()
# Some other layers go here
model.add(Dense(n_classes, activation=rbf))

我得到以下错误：

/raid/home/user/anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/framework/tensor_shape.pyc in assert_has_rank(self, rank)
619     """
620     if self.ndims not in (None, rank):
--> 621       raise ValueError("Shape %s must have rank %d" % (self, rank))
622 
623   def with_rank(self, rank):

ValueError: Shape (?, 12) must have rank 1

当尝试将

x

（具有形状

（？，12）

）的

切片到
x[0]
和
x[1]
中时，在返回K.exp（-1*gamma*l2_norm（x[0]，x[1]）**2

行

上发生错误

为什么Tensorflow
slice
方法会抛出此错误？
正如错误所说，形状
（？，12）
不是等级1。张量秩（有时称为阶、度或n维）是张量的维数。例如，以下张量（定义为Python列表）的秩为2：

t = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

在TensorFlow中，切片操作的灵活性略低于python numpy。切片中指定的维数必须等于张量的秩


此操作从张量输入中提取一个大小为
size
的切片，从
begin
指定的位置开始。切片
size
表示为张量形状，其中
size[i]
是要切片的输入“i”维的元素数。切片的起始位置（begin）表示为输入的每个维度中的偏移量。换句话说，
begin[i]
是要从中切片的输入的“i”维的偏移量

begin
以零为基础<代码>大小

基于一个。如果大小[i]为-1，则维度i中的所有剩余元素都包含在切片中

简而言之，运算符要求开始向量和大小向量（定义要切片的子传感器）的长度与输入中的维数相同。例如，要对三维张量进行切片，必须传递一个包含三个数字的向量（或列表）作为tf.slice（）的第二个和第三个参数

例如：

# 'input' is [[[1, 1, 1], [2, 2, 2]],
#             [[3, 3, 3], [4, 4, 4]],
#             [[5, 5, 5], [6, 6, 6]]]
tf.slice(input, [1, 0, 0], [1, 1, 3]) ==> [[[3, 3, 3]]]
tf.slice(input, [1, 0, 0], [1, 2, 3]) ==> [[[3, 3, 3],
                                            [4, 4, 4]]]
tf.slice(input, [1, 0, 0], [2, 1, 3]) ==> [[[3, 3, 3]],
                                           [[5, 5, 5]]]

因此，您可以按如下方式修改

rbf（）

函数，它应该可以工作：

def rbf(x, gamma=1.0):
    return K.exp(-1 * gamma * l2_norm(x[0, :], x[1, :]) ** 2)

def rbf(x, gamma=1.0):
    return K.exp(-1 * gamma * l2_norm(x[0, :], x[1, :]) ** 2)

---

N.B.我无法用最新版本的TensorFlow重现此问题。我怀疑您正在使用TensorFlow 0.10或更早版本的一个候选发行版，因为在该发行版中可以编写以下内容：

x = tf.placeholder(tf.float32, shape=[None, 12])
print(x[0].get_shape())  # ==> (12,)
print(x[1].get_shape())  # ==> (12,)

在旧版本的TensorFlow中，在使用op或

[]

Python切片运算符时，必须显式指定切片的每个维度。如果无法升级到最新版本（我们通常会推荐！），则以下修改版本的

rbf（）

函数应该可以工作：

def rbf(x, gamma=1.0):
    return K.exp(-1 * gamma * l2_norm(x[0, :], x[1, :]) ** 2)

def rbf(x, gamma=1.0):
    return K.exp(-1 * gamma * l2_norm(x[0, :], x[1, :]) ** 2)