在 Keras 中使用减法层

Question

我正在 Keras 中实现这里描述的 LSTM 架构。我想我真的很接近，尽管我仍然对共享层和特定于语言的层的组合有疑问。这是公式（大约）：y = g * y^s + (1 - g) * y^u

这是我试过的代码：

### Linear Layers ###
univ_linear = Dense(50, activation=None, name='univ_linear')
univ_linear_en = univ_linear(en_encoded)
univ_linear_es = univ_linear(es_encoded)
print(univ_linear_en)

# Gate >> g
gate_en = Dense(50, activation='sigmoid', name='gate_en')(en_encoded)
gate_es = Dense(50, activation='sigmoid', name='gate_es')(es_encoded)
print(gate_en)
print(gate_es)

# EN >> y^s
spec_linear_en = Dense(50, activation=None, name='spec_linear_en') (en_encoded)
print(spec_linear_en)

# g * y^s
gated_spec_linear_en = Multiply()([gate_en, spec_linear_en])
print(gated_spec_linear_en)

# ES >> y^s
spec_linear_es = Dense(50, activation=None, name='spec_linear_es')(es_encoded)
print(spec_linear_es)

# g * y^s
gated_spec_linear_es = Multiply()([gate_es, spec_linear_es])
print(gated_spec_linear_es)

# 1 - Gate >> (1 - g)
only_ones_en = K.ones(gate_en.shape)
univ_gate_en = Subtract()([only_ones_en, gate_en])
print(univ_gate_en)

only_ones_es = K.ones(gate_es.shape)
univ_gate_es = Subtract()([only_ones_es, gate_es])
print(univ_gate_es)

# (1 - g) * y^u
gated_univ_linear_en = Multiply()([univ_gate_en, univ_linear_en])
print(gated_univ_linear_en)
gated_univ_linear_es = Multiply()([univ_gate_es, univ_linear_es])
print(gated_univ_linear_es)

out_en = Add()([gated_spec_linear_en, gated_univ_linear_en])
print(out_en)

out_es = Add()([gated_spec_linear_es, gated_univ_linear_es])
print(out_es)

当我编译我的模型时，我收到了这个错误：

AttributeError: 'NoneType' object has no attribute '_inbound_nodes'

虽然，没有错误我的模型编译的时候我更换(1 - g) * y^u的g * y^u：

# (1 - g) * y^u
gated_univ_linear_en = Multiply()([gate_en, univ_linear_en])
print(gated_univ_linear_en)
gated_univ_linear_es = Multiply()([gate_es, univ_linear_es])
print(gated_univ_linear_es)

因此，我认为问题来自注释下的代码# 1 - Gate >> (1 - g)，更准确地说来自减法(1 - g)。

有没有人知道问题究竟是什么以及我如何解决它？

Answer 1

Keras 层的输入必须是 Keras 张量，它是前一层的输出。当您编写 时only_ones_en = K.ones(gate_en.shape)，only_ones_en它不会是 Keras Tensor，而是后端的 Tensor（例如 TensorFlow Tensor）。

至于您的具体示例，您可以使用Lambda图层更轻松地执行此操作：

univ_gate_en = Lambda(lambda x: 1. - x)(gate_en)

或者可能以一种效率较低的方式：

univ_gate_en = Lambda(lambda x: K.ones_like(x) - x)(gate_en)

或者以更冗长且效率更低的方式：

only_ones_en = Lambda(lambda x: K.ones_like(x))(gate_en)
univ_gate_en = Subtract()([only_ones_en, gate_en])

同样的事情适用于您用作K.* 图层输入的其他地方。