Keras 搭建模型问题AttributeError: 'NoneType' object has no attribute '_inbound_nodes'解决

本文解析了在使用Keras构建深度学习模型时遇到的AttributeError异常,详细介绍了错误原因及解决方案,强调了在模型搭建过程中应统一使用Layer而非简单函数进行变量定义的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在用keras搭建模型时,遇到这个问题:

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

问题原因是在模型中存在layers和函数方法混用的情况,循着代码找到我的函数

def get_model(Tx,Ty,x_vocab_size,layer1_size,layer2_size):
    X = Input(shape=(Tx, x_vocab_size))

    a1=Bidirectional(LSTM(layer1_size,return_sequences=True),merge_mode="concat")(X)

    a2=attention_layer(a1,layer2_size,Tx,Ty)

    a3 = [layer3(timestep) for timestep in a2]

    model = Model(inputs=[X], outputs=a3)

    return model

其中的

a2=attention_layer(a1,layer2_size,Tx,Ty)

这一层attention_layer是一个函数,这个不要紧,继续往里找,发现函数定义中有个变量定义

    h = K.zeros(shape=(K.shape(a)[0], out_size))
    c = K.zeros(shape=(K.shape(a)[0], out_size))

这里有问题,变量的定义也应该用layer而不是K.zeros这样的函数,可以改为:

    h = Lambda(lambda x: K.zeros(shape=(K.shape(x)[0], out_size)))(a)
    c = Lambda(lambda x: K.zeros(shape=(K.shape(x)[0], out_size)))(a)

一般利用Lambda将函数转换为layer
在整个keras模型搭建的每一层,应该每个变量定义都用layer来实现。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值