Tensorflow Tf.tf.squared_difference 显示密集层的值错误答案

【问题标题】：Tensorflow Tf.tf.squared_difference is showing a value error with dense layerTensorflow Tf.tf.squared_difference 显示密集层的值错误
【发布时间】：2019-12-24 07:56:16
【问题描述】：

每当我尝试将两个张量相乘，然后将它们作为输入提供给密集层时，它都能完美运行。但是，当我尝试计算它们之间的平方差时，它向我显示了一个错误。

# working well
out= multiply([user, book])    

result = Dense(1, activation='sigmoid', kernel_initializer=initializers.lecun_normal(),
                   name='prediction')(out)
# error
out= tf.reduce_sum(tf.squared_difference(user, book),1)

result = Dense(1, activation='sigmoid', kernel_initializer=initializers.lecun_normal(),
                   name='prediction')(out)

这是我得到的错误：

Input 0 is incompatible with layer prediction: expected min_ndim=2, found ndim=1 error

【问题讨论】：

两天前您问了一个非常相似的问题：stackoverflow.com/questions/57520942/… 请不要多次发布问题，您可以随时编辑您的问题以添加新信息
是的，兄弟，但没有解决方案。这篇文章帮助了我。我的问题现在解决了
没关系，正如我所说，不要转发问题。改进它们。

标签： python tensorflow keras tensor

【解决方案1】：

您可能需要将keepdims=True 参数传递给reduce_sum 函数以保持长度为1 的尺寸（否则，out 的形状将是(batch_size)，而Dense 层需要@987654327 @):

out= tf.reduce_sum(tf.squared_difference(user, book), axis=1, keepdims=True)

更新： Keras 层的输入必须是其他 Keras 层的输出。因此，如果您想使用 TensorFlow 操作，您需要将它们包装在 Keras 中的 Lambda 层中。例如：

from keras.layers import Lambda

out = Lambda(lambda x: tf.reduce_sum(tf.squared_difference(x[0], x[1]), axis=1, keepdims=True))([user, book])

【讨论】：

我做了，但是它仍然显示错误。但是，这一次的错误有点不同。 AttributeError：“NoneType”对象没有属性“_inbound_nodes”
@tauhidullah 您还需要将此操作放在Lambda 层中。例如，请参阅this answer。
非常感谢您的友好回应和帮助。非常感谢兄弟