在keras层中包装张量流功能

Question

我试图在keras lambda层中使用tensorflow唯一函数（https://www.tensorflow.org/api_docs/python/tf/unique）。代码如下：

    def unique_idx(x):
        output = tf.unique(x)
        return output[1]

then 

    inp1 = Input(batch_shape(None, 1))
    idx = Lambda(unique_idx)(inp1)

    model = Model(inputs=inp1, outputs=idx)

现在使用时**model.compile(optimizer='Adam', loss='mean_squared_error')** 出现错误：

ValueError：张量转换请求的dtype float32的张量为dtype int32：'Tensor（“ lambda_9_sample_weights_1：0”，shape =（?,），dtype = float32）'

有人知道这里的错误是什么或使用张量流函数的其他方式吗？

Answer 1

一个keras模型需要一个float32作为输出，但是indices从返回的tf.unique是一个int32。强制转换可以解决您的问题。
另一个问题是，unique期望数组变平。reshape解决这个问题。

import tensorflow as tf
from keras import Input
from keras.layers import Lambda
from keras.engine import Model


def unique_idx(x):
    x = tf.reshape(x, [-1])
    u, indices = tf.unique(x)
    return tf.cast(indices, tf.float32)


x = Input(shape=(1,))
y = Lambda(unique_idx)(x)

model = Model(inputs=x, outputs=y)
model.compile(optimizer='adam', loss='mse')