错误 - 不是符号张量的输入 - 布尔值答案

【问题标题】：Error - input that isn't a symbolic tensor - Boolean错误 - 不是符号张量的输入 - 布尔值
【发布时间】：2019-10-12 23:48:51
【问题描述】：

由于二元交叉熵损失，我正在尝试调整Dense 层的权重。 A 创建了一个共享层，为两个向量输出两个值（encoded_value_1 和 encoded_value_2）。如果encoded_value_1 的值优于encoded_value_2 的值，我想创建一个等于1 的布尔值。为此，我通过Lambda 层使用greater。然而，它会产生错误（见下文）。

import keras
from keras.backend import greater
from keras.layers import Input, LSTM, Dense, Lambda, concatenate
from keras.models import Model

value_1 = Input(shape=(4,))
value_2 = Input(shape=(4,))

shared_layer = Dense(1)
encoded_value_1 = shared_layer(value_1)
encoded_value_2 = shared_layer(value_2)

x = Lambda(greater,output_shape=(1,))((encoded_value_1,encoded_value_2)) 
model = Model(inputs=[value_1, value_2], outputs=x)
model.compile(optimizer='adam',loss='binary_crossentropy', metrics='accuracy'])

注意：我也尝试连接两个层，我遇到了同样的错误。

merged_vector = concatenate([encoded_value_1, encoded_value_2], axis=-1)
x = Lambda(greater,output_shape=(1,))((merged_vector[0],merged_vector[1]))

ValueError：使用不是符号张量的输入调用层 lambda_4。接收类型：.完整输入：[(, )]。该层的所有输入都应该是张量。

【问题讨论】：

标签： python keras keras-layer

【解决方案1】：

分三点：

当Lambda 层有多个输入时，输入必须作为张量列表而不是元组传递。
greater 的输出是一个布尔张量，您需要将其转换为浮点数以对其进行计算。
greater 接受两个输入，因此您需要将其包装在 python lambda 函数中，以便能够在 Keras 的 Lambda 层中使用它。

因此，我们会：

from keras import backend as K

# ...
x = Lambda(lambda z: K.cast(K.greater(z[0], z[1]), K.floatx()),output_shape=(1,))([encoded_value_1,encoded_value_2])

也不要忘记 metrics 参数缺少的左括号：

..., metrics=['accuracy'])
             ^
             |
             |
          missing!

【讨论】：