Keras报告TypeError：+不支持的操作数类型：'NoneType'和'int'

Question

我是Keras的初学者，只写一个玩具示例。它报告一个TypeError。代码和错误如下：

码：

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)

错误：

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'

那么我该如何处理呢？

Answer 1

RNN层的输入将具有的形状(num_timesteps, num_features)，即每个样本都由num_timesteps时间步组成，其中每个时间步都是长度的向量num_features。此外，时间步长（即num_timesteps）可以是可变的，也可以是未知的（即None），但是特征的数量（即num_features）应从一开始就固定并指定。因此，您需要更改输入层的形状以与RNN层保持一致。例如：

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

然后，您还需要更改输入数据的形状（即data），以使其与您指定的输入形状一致（即其形状必须为(num_samples, num_timesteps, num_features)）。

附带说明，您可以通过SimpleRNN直接使用RNN层来更简单地定义该层：

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