Python Keras：张量对象没有属性_keras“历史”；

前面问题的大多数答案都建议将有问题的张量包装在

Lambda

层中。然而，我已经这样做了（并尝试了许多修改），它仍然抛出相同的错误。 当前模型定义的伪代码如下所示：

#[为简单起见，此处未显示以前的模型定义层]
out_持续时间=重塑（（30,3））（out_持续时间）
out_位置=重塑（（30，3））（out_位置）
low=tf.constant（[（30x3）numpy数组的下限）]）#不能在这里使用K.clip，因为每个元素的下限都不同
high=tf.常量（[（30x3）numpy上界数组）]）
裁剪出的位置=Lambda（Lambda x:tf.clip_by_value（*x），输出形状=裁剪出的位置。获取形状（）。作为列表（））（[out_位置，低，高]）
模型=模型（输入=x，输出=[输出持续时间，剪裁位置]

错误输出：

文件“multitask_inverter.py”，第107行，输入
main（）
文件“multitask_inverter.py”，第75行，主目录
模型=模型（输入=x，输出=[输出持续时间，剪裁位置]）
文件“/om/user/lnj/openmind_env/tensorflow gpu/lib/python3.5/site packages/keras/legacy/interfaces.py”，第88行，在包装器中
返回函数（*args，**kwargs）
文件“/om/user/lnj/openmind_env/tensorflow gpu/lib/python3.5/site packages/keras/engine/topology.py”，第1705行，在_init中__
构建图的图（x、完成的节点、进行中的节点）
文件“/om/user/lnj/openmind_env/tensorflow gpu/lib/python3.5/site packages/keras/engine/topology.py”，第1695行，内置图
层、节点索引、张量索引）
文件“/om/user/lnj/openmind_env/tensorflow gpu/lib/python3.5/site packages/keras/engine/topology.py”，第1665行，内置图
层，节点索引，张量索引=张量
AttributeError:“Tensor”对象没有属性“\u keras\u history”

您可以使用

Lambda（…，参数={'low'：low，'high'：high}）向层提供
low
和
high
。从
Lambda
的文档中：

参数：要传递给的关键字参数的可选字典
功能

比如说,

clipped_out_position = Lambda(lambda x, low, high: tf.clip_by_value(x, low, high),
                              arguments={'low': low, 'high': high})(out_position)


编辑：

下面是关于测试此层的更完整示例：

x = Input(shape=(100,))
out_duration = Dense(90)(x)
out_position = Dense(90)(x)
out_duration = Reshape((30, 3))(out_duration)
out_position = Reshape((30, 3))(out_position)

low = tf.constant(np.random.rand(30, 3).astype('float32'))
high = tf.constant(1 + np.random.rand(30, 3).astype('float32'))
clipped_out_position = Lambda(lambda x, low, high: tf.clip_by_value(x, low, high),
                              arguments={'low': low, 'high': high})(out_position)

model = Model(inputs=x, outputs=[out_duration, clipped_out_position])
model.compile(loss='mse', optimizer='adam')
model.fit(np.random.rand(5000, 100), [np.random.rand(5000, 30, 3), np.random.rand(5000, 30, 3)])

这会导致
ValueError:没有为“lambda_1”提供数据。需要每个输入的数据：['out\u duration'，'lambda\u 1']
--我不完全确定这里发生了什么。我想你需要发布更多的代码。新问题并非来自您发布的代码。您的模型看起来怎么样？您如何调用
fit（）
？我已经添加了一个关于如何使用这一行的示例网络。你能把它和你的网络比较一下，看看是否有什么不同吗？在我看来，您的错误与原来的问题不同，因为它是由
fit（）
引发的错误，而不是模型构造。太棒了，它可以工作！你能解释一下为什么添加
参数
param是解决这个问题的正确方法吗？我认为这是因为
低
和
高
不是Keras张量。Keras张量在
\u Keras\u history
中记录一些拓扑信息。当在模型构建过程中找不到信息时，您将看到类似这样的错误。要将不是Keras层输出的内容传递给
Lambda
层，可以使用
arguments
参数。