我正在尝试构建一个只有一层的自动编码器：
from keras import backend as K
def cost2(y_true, y_pred):
print "shapes:", model.get_weights()[0].shape
yy = K.dot( y_pred, model.get_weights()[0].T )
return np.sum((y_true - yy)**2)
x = Input(shape=(original_dim,))
y = Dense(latent_dim)(x)
model = Model(inputs=x, outputs=y)
model.summary()
model.compile(optimizer='adagrad', loss=cost2)
这给了我错误：
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, 784) 0
_________________________________________________________________
dense_1 (Dense) (None, 2) 1570
=================================================================
Total params: 1,570
Trainable params: 1,570
Non-trainable params: 0
_________________________________________________________________
shapes: (784, 2)
回溯（最近一次调用最后一次）：文件“vae_kears_gidital_mnist3.py”，第45行，在model.compile中（optimizer ='adagrad'，loss = cost2）文件“/Users/asgharrazavi/anaconda/lib/python2.7/site- packages / keras / engine / training.py“，第830行，编译sample_weight，mask）文件”/Users/asgharrazavi/anaconda/lib/python2.7/site-packages/keras/engine/training.py“，第429行，在加权score_array = fn（y_true，y_pred）文件“vae_kears_gidital_mnist3.py”，第18行，在cost2 yy = K.dot（y_pred，model.get_weights（）[0] .T）文件“/ Users / asgharrazavi / anaconda /lib/python2.7/site-packages/keras/backend/tensorflow_backend.py“，第1048行，如果ndim（x）不是None且（ndim（x）> 2或ndim（y）> 2），则为dot：文件“/Users/asgharrazavi/anaconda/lib/python2.7/site-packages/keras/backend/tensorflow_backend.py”，第606行，在ndim dims = x.get_shape（）._ dims AttributeError：'numpy.ndarray'对象没有属性'get_shape'
我只是试图将模型的输出乘以模型的转置权重以返回输入维度 . 有任何想法吗？
1 回答
你的成本函数应该返回一个keras张量而不是
numpdy ndarray. 您应该仅使用keras.backend函数或您在客户丢失函数中的特定后端函数（例如tf.something）（即K.sum而不是np.sum）这是您在问题中提到的错误的原因，但更重要的是，您没有以keras的方式创建自动编码器 . 在keras中，您的模型将使用两层（编码器和解码器）创建，其中图层通过转置和标准MSE损耗共享权重 . 我建议你阅读keras博客的this post，看看this issue .