我无法获得正确的输入形状

Question

下面的代码给了我一个输入错误，我无法找出它

import tensorflow as tf
import neural_structured_learning as nsl
.
.
.
b_size = 132
m = tf.keras.Sequential()
m.add(tf.keras.layers.Dense(980, activation = 'relu', input_shape = (2206,2,)))

m.add(tf.keras.layers.Dense(560, activation = 'relu'))
m.add(tf.keras.layers.Dense(10, activation = 'softmax'))

adv_config = nsl.configs.make_adv_reg_config(multiplier=0.2, adv_step_size=0.5)
adv_model = nsl.keras.AdversarialRegularization(m, adv_config=adv_config)

adv_model.compile(optimizer = "adam",
                 loss = "sparse_categorical_crossentropy",
                 metrics = ['accuracy'])
adv_model.fit({"feature" : x_Train, "label" : y}, epochs = 50, batch_size=b_size)

我的x_系列具有(5002, 2206, 2)形状（大小为(2206,2)的5002个样本）。我试图在开始时添加一个Flatten()层，但它给了我一个object of type 'NoneType' has no len()错误，即使这在tf.keras中非常有效。我也尝试了不同的输入形状，但都不起作用。因此，它向我抛出了以下错误之一

KeyError: 'dense_115_input'

ValueError: Input 0 of layer sequential_40 is incompatible with the layer: expected axis -1 of input shape to have value 2206 but received input with shape [None, 2206, 2]

TypeError: object of type 'NoneType' has no len()

Answer 1

要使用输入字典（如{"feature" : x_Train, "label" : y}）训练NSL模型，基础模型必须知道字典中要查看的功能

指定要素名称的一种方法是添加Input层：

m = tf.keras.Sequential()
m.add(tf.keras.Input(name="feature", shape=(2206, 2)))

正如this answer所指出的，输入特征在传递到密集层之前必须被展平：

m.add(tf.keras.layers.Flatten())
m.add(tf.keras.layers.Dense(...))

Answer 2

如果要使用密集层，则输入应为(5002, 2206*2)，即矩阵。 也许最简单的解决方案是在“适合”之前重塑输入x_序列

或者，您可以使用TimeDistributed层（see here），但是这种层的使用取决于输入维度背后的物理含义。基本上，TimeDistributed多次应用某个操作，在您的情况下是两次

希望这能对你有所帮助