web-dev-qa-db-ja.com

KerasはTypeErrorを報告します：+のサポートされていないオペランドタイプ： 'NoneType'および 'int'

私はケラスの初心者で、おもちゃの例を書いています。 TypeErrorを報告します。コードとエラーは次のとおりです。

コード：

inputs = keras.Input(shape=(3, ))

cell = keras.layers.SimpleRNNCell(units=5, activation='softmax')
label = keras.layers.RNN(cell)(inputs)

model = keras.models.Model(inputs=inputs, outputs=label)
model.compile(optimizer='rmsprop',
              loss='mae',
              metrics=['acc'])

data = np.array([[1, 2, 3], [3, 4, 5]])
labels = np.array([1, 2])
model.fit(x=data, y=labels)

エラー：

Traceback (most recent call last):
    File "/Users/david/Documents/code/python/Tensorflow/test.py", line 27, in <module>
        run()
    File "/Users/david/Documents/code/python/Tensorflow/test.py", line 21, in run
        label = keras.layers.RNN(cell)(inputs)
    File "/Users/david/anaconda3/lib/python3.6/site-packages/tensorflow/python/keras/layers/recurrent.py", line 619, in __call__
...
    File "/Users/david/anaconda3/lib/python3.6/site-packages/tensorflow/python/ops/init_ops.py", line 473, in __call__
        scale /= max(1., (fan_in + fan_out) / 2.)
TypeError: unsupported operand type(s) for +: 'NoneType' and 'int'

それでは、どうすれば対処できますか？

pythontensorflowmachine-learningkerasrnn
8
david

RNNレイヤーへの入力の形状は(num_timesteps, num_features)です。つまり、各サンプルはnum_timestepsタイムステップで構成され、各タイムステップは長さnum_featuresのベクトルです。さらに、タイムステップの数（つまりnum_timesteps）は可変または不明（つまりNone）である可能性がありますが、特徴の数（つまりnum_features）は最初から固定して指定する必要があります。したがって、RNNレイヤーと一致するように入力レイヤーの形状を変更する必要があります。例えば：

inputs = keras.Input(shape=(None, 3))  # variable number of timesteps each with length 3
inputs = keras.Input(shape=(4, 3))     # 4 timesteps each with length 3
inputs = keras.Input(shape=(4, None))  # this is WRONG! you can't do this. Number of features must be fixed

次に、入力データの形状（data）も変更して、指定した入力形状と一致させる必要があります（つまり、(num_samples, num_timesteps, num_features)の形状にする必要があります）。

補足として、SimpleRNNレイヤーを直接使用することで、RNNレイヤーをより簡単に定義できます。

label = keras.layers.SimpleRNN(units=5, activation='softmax')(inputs)
6
today

@今日の答えは非常に明確だと思います。ただし、完全ではありません。ここで重要なのは、入力にnum_featuresが含まれていない場合、入力の横にEmbeddingレイヤーを作成する必要があることです。

だからあなたが使うなら：

inputs = keras.Input(shape=(3,))
embedding = Embedding(voc_size, embed_dim, ..)
X = embedding(inputs)

それも動作します。

0
Bs He