Создавая собственный слой keras, я включаю InvalidArgumentError: ввод 'pred' передал ожидаемое значение bool с плавающей точкой при создании

Question

Я обнаружил странную ошибку при создании собственного слоя keras. Я пытаюсь создать собственный слой, который очень похож на слой GRU, но принимает дополнительные входные данные в дополнение к sampled_z, чтобы выполнить принудительное использование учителем в вариационном автоэнкодере.

Я успешно создаю модель VAE, как показано ниже, где terminal_GRU означает кастомный слой ГРУ.

Model: "VAE"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
encoder_input (InputLayer)      (None, 80, 69)       0                                            
__________________________________________________________________________________________________
conv1d_1 (Conv1D)               (None, 80, 9)        5598        encoder_input[0][0]              
__________________________________________________________________________________________________
conv1d_2 (Conv1D)               (None, 80, 9)        738         conv1d_1[0][0]                   
__________________________________________________________________________________________________
conv1d_3 (Conv1D)               (None, 80, 10)       910         conv1d_2[0][0]                   
__________________________________________________________________________________________________
flatten_1 (Flatten)             (None, 800)          0           conv1d_3[0][0]                   
__________________________________________________________________________________________________
dense_1 (Dense)                 (None, 180)          144180      flatten_1[0][0]                  
__________________________________________________________________________________________________
z_mean (Dense)                  (None, 180)          32580       dense_1[0][0]                    
__________________________________________________________________________________________________
z_log_var (Dense)               (None, 180)          32580       dense_1[0][0]                    
__________________________________________________________________________________________________
z_sampling (Lambda)             (None, 180)          0           z_mean[0][0]                     
                                                                 z_log_var[0][0]                  
__________________________________________________________________________________________________
decoder (Model)                 (None, 80, 69)       1760451     z_sampling[0][0]                 
                                                                 encoder_input[0][0]              
==================================================================================================
Total params: 1,977,037
Trainable params: 1,977,037
Non-trainable params: 0
__________________________________________________________________________________________________

и модель декодера выглядит как

Model: "decoder"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
encoded_input (InputLayer)      (None, 180)          0                                            
__________________________________________________________________________________________________
reapeat_context (RepeatVector)  (None, 80, 180)      0           encoded_input[0][0]              
__________________________________________________________________________________________________
decoder_GRU1 (GRU)              [(None, 80, 400), (N 697200      reapeat_context[0][0]            
__________________________________________________________________________________________________
decoder_GRU2 (GRU)              [(None, 80, 400), (N 961200      decoder_GRU1[0][0]               
                                                                 decoder_GRU1[0][1]               
__________________________________________________________________________________________________
true_seq_input (InputLayer)     (None, 80, 69)       0                                            
__________________________________________________________________________________________________
terminal_GRU (TGRU)             [(None, 80, 69), (No 102051      decoder_GRU2[0][0]               
                                                                 true_seq_input[0][0]             
==================================================================================================
Total params: 1,760,451
Trainable params: 1,760,451
Non-trainable params: 0
__________________________________________________________________________________________________

Однако, когда я попытался использовать метод fit_generator () для обучения этой модели, я обнаружил InvalidArgumentError следующим образом:

InvalidArgumentError: Input 'pred' passed float expected bool while building NodeDef 'decoder/terminal_GRU/PartitionedCall/cond/switch_pred/_1362' using Op<name=Switch; signature=data:T, pred:bool -> output_false:T, output_true:T; attr=T:type> [Op:__inference_keras_scratch_graph_7791]

Кто-нибудь может сказать мне, почему возникает эта ошибка? Меня расстраивает, я не могу понять, почему возникает эта ошибка ...

Answer 1

Может быть, попытаться изменить имя переменной на input, потому что иногда используется pred, чтобы определить, находится ли модель в режиме прогнозирования или режиме обучения.

Но это действительно поможет, если вы покажете нам часть кода.

Удачи