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

Question

每当我尝试将两个张量相乘，然后将它们作为输入提供给致密层时，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

Answer 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 的维度（否则，out 的形状将是 (batch_size) ，而 Dense 层需要 (batch_size, N)):

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，如果你想使用 TensorFlow 操作，你需要将它们包装在 Keras 中的一个 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])

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

Tensorflow Tf.tf.squared_difference is showing a value error with dense layer

python

keras

tensorflow

tensor