Tensorflow 自定义Keras层故障

我不想在机器学习上问这样的问题，但谷歌搜索并没有产生任何有用的结果——我刚刚发现了两个github线程，其中使用tensorflow超旧版本的用户收到了相同的错误消息，但原因与我收到的错误消息不同

基本上；我正在为工作实施这个面部观点文件；它使用spatial softargmax（只是一个层，它接收一堆图像，非常像-并且它返回图像中最“强烈的部分”（因此只有白色斑点的x，y坐标）。它接收一个包含68个图像的阵列（所有1个通道，因此阵列为100x100x68）它给出了68对x，y坐标，每一对都是面部的点

我用keras写的图层是：

类空间_softArgmax（层）：
定义初始值（自身、输出尺寸，**kwargs）：
self.output\u dim=output\u dim
超级（空间软件argmax，self）。\uuuuuu初始值（**kwargs）
def构建（自我，输入_形状）：
#为该层创建可训练重量变量。
#self.kernel=self.add_weight（name='kernel'，shape=（input_shape[1]，self.output_dim），初始值设定项='uniform'，trainable=True）
超级（spatial_softArgmax，self）。构建（input_shape）#一定要在某处调用它！
def呼叫（自我，x）：
#打印“输入到ssm:+str（x.shape）
地图=图层.spatical\u softmax（x，数据格式为'NCHW'）
#maps=tf.重塑（maps[2,68]）
#打印“ssm的输出：+str（maps.shape）
返回地图
def get_配置（自身）：
config=super（space\u softArgmax，self）.get\u config（）
配置['output\u dim']=self.output\u dim
config['input\u shape']=self.input\u shape
返回配置
def计算输出形状（自身、输入形状）：
返回（输入形状[0]，自输出尺寸）

但它不起作用；完全一样；每当我尝试开始培训时，我总是会遇到这样一个错误，即“None Values not supported”（无值不受支持）（如果我将其替换为稠密值，则开始培训-因此问题肯定出在这一层）-这让我觉得我的图层没有返回任何东西？？我在TF代码中查找了一些异常出现的地方，但没有找到太多

如果你们看到我的图层有什么问题，只要看一眼，我会非常感激，如果你们能让我知道，我今晚需要进行网络培训

编辑：我已经删除了self.kernel行；但是现在我得到了：

x，y形（12000,3100100）-（12000,68,2）
回溯（最近一次呼叫最后一次）：
文件“architecture.py”，第58行，在
model.fit（x，y，批大小=1，历代=50，详细=1）
文件“/usr/local/lib/python2.7/dist-packages/keras/engine/training.py”，第1522行，适合
批次大小=批次大小）
文件“/usr/local/lib/python2.7/dist-packages/keras/engine/training.py”，第1382行，在用户数据中
异常（前缀='target'）
文件“/usr/local/lib/python2.7/dist packages/keras/engine/training.py”，第132行，输入数据
str（array.shape））
ValueError：检查目标时出错：预期空间_soft_argmax_1有2个维度，但得到了具有形状的数组（12000,68,2）

您添加了一个权重

self.kernel

，但在调用

函数的任何地方都没有使用它

因此，TF无法为
self.kernel
中的参数计算梯度。在这种情况下，渐变将是
None
，这就是为什么您看到一个错误，抱怨对
None
值进行操作

删除行
self.kernel=self.add_weight（…）
应该可以正常工作。
您已经添加了一个weight
self.kernel
，但没有在
调用中的任何地方使用它

因此，TF无法为
self.kernel
中的参数计算梯度。在这种情况下，渐变将是
None
，这就是为什么您看到一个错误，抱怨对
None
值进行操作

删除行
self.kernel=self.add_weight（…）
应该可以让它工作。
我删除了它，但现在我遇到另一个错误；我已经编辑了这个问题，并将新的错误放在最后。我还将softargmax函数更改为使用tensorflow内置的softargmax函数。我的数据集大小为12000；这就是我认为12000的来源…你的图层指定了一个输出形状
（input\u shape[0]，self.output\u dim）
（我猜是
（12000，136）
），但是你的
y
是
（12000，68，2）
。因此，要么将
call
的输出值重塑为
（12000，68，2）
，要么将
y
重塑为
（12000，136）
。不过，我不太确定这种重塑是否能很好地对应您的损失函数，因为我不知道您（或原始纸张）使用的是什么损失。我只是建议一种克服错误的方法。非常感谢您迄今为止提供的所有帮助。y和调用的输出都是（12000136）-但是我仍然得到“ValueError:Error when check target:expected spatical_soft_argmax_1具有3维，但得到了形状为（12000136）的数组”。。。当我添加一个tf.reforme（filters，[136]）来调用（filters是softmax的输出）时，我再次得到了这个错误：
文件/usr/local/lib/python2.7/dist packages/tensorflow/python/framework/tensor\u util.py”，第371行，在make\u tensor\u proto raise ValueError（“无值不受支持”）ValueError：不支持任何值。
我删除了它，但现在又出现另一个错误；我已经编辑了这个问题，并将新的错误放在最后。我还将softargmax函数更改为使用tensorflow内置的softargmax函数。我的数据集大小为12000；这就是我认为12000的来源…你的图层指定了一个输出形状
（input\u shape[0]，self.output\u dim）