AttributeError: NoneType对象在Keras中没有属性“_inbound_nodes”
这个错误通常发生在使用Keras进行深度学习模型构建和训练时。它表示在代码中访问了一个NoneType对象的属性"_inbound_nodes"，而NoneType对象是一个空对象，没有任何属性。
这个错误可能有以下几个原因和解决方法：
- 检查模型的输入数据是否正确：确保输入数据的维度和类型与模型的期望输入匹配。例如，如果模型期望输入是一个4维张量，而你提供了一个3维张量，就会导致这个错误。
- 检查模型的层是否正确连接：确保模型的层之间正确连接，每个层的输出都连接到下一层的输入。这个错误可能是由于模型的层之间缺少连接或连接错误导致的。
- 检查模型的定义是否正确：确保模型的定义没有错误，例如重复定义了某个层或使用了不支持的层类型。可以逐层检查模型的定义，确保每个层都正确定义和连接。
- 检查Keras版本和依赖库版本：确保你使用的Keras版本和相关依赖库的版本是兼容的。有时候，不同版本的Keras和依赖库之间可能存在不兼容的问题，导致这个错误的发生。
总结起来，解决这个错误的关键是仔细检查模型的输入数据、层连接和定义，确保它们都正确无误。如果问题仍然存在，可以尝试更新Keras和相关依赖库的版本，或者查阅Keras官方文档和社区论坛，寻找类似问题的解决方案。
相关·内容
对于我的自定义层的调用方法，我需要一些先例层的权重，但我不需要修改它们，只需要访问它们的值。我在How do I get the weights of a layer in Keras?中有一个建议的值，但这将以numpy数组的形式返回权重。所以我在张量中对它们进行了转换(使用Keras后端的tf.convert_to_tensor )，但在创建模型的那一刻，我遇到了这样的错误："'NoneType‘对象没有’_inbound_nodes‘属性“。我如何解决这个问题？谢谢你。
浏览 9提问于2020-01-24得票数 1
我正在尝试在“纯”TensorFlow中使用Keras的模型(我想在Android应用程序中使用它)。我已经成功地将Keras模型导出到protobuf，并将其导入到Tensorflow。但是，运行tensorflow模型需要提供输入和输出张量的名称，而我不知道如何找到它们。我的模型是这样的：
seq = Sequential()
seq.add(Convolution2D(32, 3, 3, input_shape=(3, 15, 15), name="Conv1"))
....
seq.add(Activation('softmax', name="
浏览 0提问于2016-10-05得票数 4
2回答
我正在尝试理解和如何插入keras模型的JSON表示。每个层的输入都保存在字段inbound_nodes中。我不明白的是它们是数组。
例如，对于合并层的2个输入，如下所示：
inbound_nodes: [
[
['average_pooling2d_1', 0, 0, {}],
['conv2d_3', 0, 0, {}],
]
]
所有的数组都怎么了？为什么不这样存钱：
inbound_nodes: ['average_pooling2d_1', 'conv2d_3']
我想这种结构是因为有时必须以某种
浏览 5提问于2017-08-21得票数 3
回答已采纳
1回答
在尝试实现时，论文生成的级联网络(Lipton等人，2015)将LSTM的隐藏状态输出与解码器输入连接起来，以满足解码器级的需要，得到了折叠错误：
节点= layer._inbound_nodesnode_index AttributeError：'NoneType‘对象没有属性'_inbound_nodes'“
from keras.layers import Input, Embedding, LSTM, Dense
from keras.models import Model
import keras
import tensorflow as tf
encode
浏览 0提问于2019-08-01得票数 0
回答已采纳
我正在尝试获取输入数据的切片，source。输入形状为?，512，6，并且在将其送入LSTM层时具有此形状，批量大小未指定。我的神经网络NN是非连续的，我需要使用原始输入数据的子集的另一个层。具体地说，我希望获得其中feature是整数变量的source[:, :, feature]。
我可以使用raw = Reshape((512*6,))(source)并将raw传递到一个密集的层中，网络将进行组装、编译和训练。但是，当使用source数组的子集进行编译时，我得到以下错误：
AttributeError: 'NoneType' object has no attribute
浏览 10提问于2020-02-16得票数 1
回答已采纳
2回答
我尝试自定义一种网络架构，我可以按以下方式设计一个层：
x = k.Input(shape=(1,))
y = k.layers.Dense(1)(x + 1) #k.backend.constant(1) -- no difference
Fx = k.models.Model(x, y)
虽然"x+1“是正确的Tensorflow操作，但我得到了NoneType错误：
AttributeError: NoneType对象没有属性“_inbound_nodes”
当我试图使用Lambda层来规避这种情况时，我得到了同样的错误：
x = k.Input(shape=(1,))
浏览 0提问于2019-06-24得票数 2
回答已采纳
1回答
我试着找出角点的窍门，我试着让基本的时间序列预测起作用。我的输入是0到10之间的随机ints列表，例如：[1,3,2,4,7,5,9,0]和我的标签与输入相同，但是延迟，例如：[X,X,1,3,2,4,7,5]和我试图让我的模型学习记忆过去数据点的关系。我的代码是：
labels = keras.utils.to_categorical(output, num_keys)
model = keras.Sequential([
keras.layers.LSTM(10),
keras.layers.Dense(10, activation='relu'),
浏览 1提问于2018-08-22得票数 1
回答已采纳
1回答
我想要创建一个自定义的注意层，对于任何时间的输入，该层都会返回所有时间输入的加权平均值。
例如，我想让形状[32,100,2048]的输入张量进入层，然后得到形状[32,100,2048]的张量。我将这一层写成如下：
import tensorflow as tf
from keras.layers import Layer, Dense
#or
from tensorflow.keras.layers import Layer, Dense
class Attention(Layer):
def __init__(self, units_att):
self.un
浏览 1提问于2020-05-20得票数 1
我试图了解如何读取本地图像，如何将它们用作TensorFlow ，并使用TF数据集训练Keras模型。我跟踪TPU 。唯一不同的是，我想阅读我的一组图像，并对它们进行培训。
假设我有图像列表(文件名)和相应的标签列表。
files = [...] # list of file names
labels = [...] # list of labels (integers)
images = tf.constant(files) # or tf.convert_to_tensor(files)
labels = tf.constant(labels) # or tf.convert_to_ten
浏览 1提问于2019-02-28得票数 2
回答已采纳
2回答
和Keras
、、、、
我一直在寻找什么是Tensorflow和Keras。他们说Tensorflow运行在KERAS之上，这意味着Tensorflow是Keras的“后端”。(虽然你可以使用其他如Theano和CNTK)
这里的“后端”术语是否意味着它在一个深度学习模型背后做了整个数学过程的事情？我的意思是，Tensorflow是一个做复杂事情的人，比如处理矩阵(张量)，做所有的数学工作？
另一方面，KERAS是我们创建模型所需要的人，对吗？一旦模型被创建，它的“后端”就是Tensorflow，对吗？因为模型要像IT一样工作(就像过程矩阵和做所有的数学工作一样)，它需要一个“后端”，即Tensorflow。
这就是
浏览 3提问于2020-06-02得票数 0
回答已采纳
2回答
第四层张量如何让卷积消耗？
、、、、
我试图在tensorflow模型中添加预处理层，但无法正确地使用tf.keras.layers.Reshape。
我有一些以前的预处理层，这些图层会给TensorShape([50, 50, 3])形状的tensorflow张量带来一幅numpy图像。
我试图将这些预处理层连接到模型的第一层是一个卷积层，它需要一个四维的输入。当我调用维数Tensorshape([50,50,3])张量上的模型时，有三个维度，我得到了错误：
Input 0 of layer "Conv1" is incompatible with the layer: expected min_ndim=4,
浏览 24提问于2022-09-20得票数 1
我分别建立了两个keras序列模型，并使用keras函数api将这两个模型结合起来。在它们之间，我采用了数据重打包，通过两个顺序模型对数据进行调整。
当我进行组合时，就会出现错误。但我不太明白哪个对象在"NoneType“中。
另一个问题是，在进行数据张量重新打包时，我将所有的零放在占位符中。当我运行model.fit时，它会被真实的数据所代替吗?还是它们是常数零？，把两个顺序模型和张量调整在两者之间根本不适用吗？
# I use a keras sequential model to define the 2d model "base_model_SRCNN"
# I
浏览 1提问于2019-07-17得票数 0
我正在尝试用tensorflow后端在keras中训练一个预先训练过的inceptionv3模型。
我有一个训练数据集，大小为10,000张图片(299,299张)(它们是灰度)。我将其转换为tensorflow的输入形状为(10000,299,299,1)。当我试图拟合inceptionv3模型时，我得到了一个错误
ValueError:检查输入时出错:期望input_1具有形状(无，3)，但得到了形状数组(10000,2999,299，1)
我尝试更改张量的输入形状，使用
input_tensor = Input(shape=(299,299,1))
base_model = In
浏览 1提问于2017-06-30得票数 1
回答已采纳
我正在为我的网络建立一个新的渠道智能操作。全局平均池化结果将乘以(按元素)第一个x(输入)值。但是，当我运行train.py文件时，它会出现我无法理解的错误。请帮帮我！
错误消息：
Traceback (most recent call last):
File "E:/githubRemote/train.py", line 49, in <module>
model = init_model()
File "E:/githubRemote/train.py", line 37, in init_model
model = M
浏览 1提问于2019-04-02得票数 0
1回答
我正在尝试使用LSTM和密集神经网络在Keras中构建序列到序列模型。编码器对输入进行编码，然后将编码状态和输入连接并馈送到解码器，该解码器是lstm +密集神经网络，其及时输出分类标签。下面是我的代码 from keras.utils import to_categorical
from keras.layers import Embedding, Bidirectional, GRU, Dense, TimeDistributed, LSTM, Input, Lambda
from keras.models import Sequential, Model
import numpy a
浏览 18提问于2019-02-07得票数 1
我使用pearson相关系数作为MLP模型的输入特征，并在建立模型时遇到问题。
我已经根据今天的更新并运行了我的代码，的好评是将函数封装在Lambda层中，而同样的错误仍然会发生。我以为我已经修复了今天提到的错误。下面是我更新的代码：
from keras.layers import Conv2D, Input, Lambda, MaxPooling2D, BatchNormalization, Add, Flatten, Dense, Concatenate
from keras.models import Model, Sequential
import keras.backend as
浏览 1提问于2018-11-15得票数 0
Keras模型可以通过functional (如描述的 )在张量上用作Tensorflow函数。
所以我们可以：
from keras.layers import InputLayer
a = tf.placeholder(dtype=tf.float32, shape=(None, 784))
model = Sequential()
model.add(InputLayer(input_tensor=a, input_shape=(None, 784)))
model.add(Dense(32, activation='relu'))
model.add(Dense(1
浏览 3提问于2017-07-20得票数 28
这是使用Tensorflow的Keras代码的一个问题。
我有一个简单的网络，在这个网络中，我需要在输入后立即做一个元素乘法。这部分代码如下所示。我总是有一个错误：
* AttributeError：'NoneType‘对象没有属性'_inbound_nodes’
我的代码：
input_img = Input(shape=(256, 256, 2, 1, 2))
masked = Lambda(lambda x: tf.multiply(x[0], x[1]))([input_img[:,:,:,:,:,0], input_img[:,:,:,:,:,1]])
浏览 2提问于2018-12-12得票数 1
回答已采纳
1回答
我试图将ResNet中隐藏层的输出与另一个模型的输入连接起来，但我得到了以下错误：
ValueError:模型的输出张量必须是Keras Layer的输出(因此保存过去的层元数据)
我正在使用中推荐的来自Keras的级联层，但是它没有工作。我可能错过了什么？我是不是也要给它加一层密层呢？这样做的目的是在第二个输入与第一个输入连接之前不改变它(合并的输入将是第三个模型的输入)。
resnet_features = resnet.get_layer('avg_pool').output
model2_features = Input(shape=(None, 32))
all_fe
浏览 0提问于2019-02-14得票数 0
回答已采纳
1回答
我有两种类似结构的模型(model_a，model_b) (VGG16架构有一个替换的顶层块)。我需要连接两个模型的最后一层的输出，以便作为输入发送到一个注意机制。
我运行以下代码行以进行连接：
merged = Concatenate()([model_a.layers[-1].layers[-1], model_b.layers[-1].layers[-1]])
(model_a.layers[-1]是一个顺序对象的顶部块，model_a.layers[-1].layers[-1]是一个密集的层。)
但是，当我尝试这样做时，我会收到以下错误：
调用层concatenate_8的输入不是符号
浏览 4提问于2020-05-07得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
