The last dimension of the inputs to `Dense` should be defined. Found `None`.

仅仅出现在tf2.1中，在tf2.4中已经不存在该问题。

这个问题查询了很多教程都没有很好的解决，其中有一个比较有启发的解决方案是这样的。

https://blog.csdn.net/dldldl0/article/details/79089074

ValueError: The last dimension of the inputs to Dense should be defined. Found None. ppp2.shape: (10, ?)

这种情况是由于 tf.reshape ()时，设定大小时存在张量，而不是确切的常数: 如：tf.reshape (x,[-1,y.shape[0]]) ,有时因 y.shape[0]，导致识别不了，这种情况，只需中途找个变量(转化为 int )过渡一下（v =int(y.shape[0])），然后再 tf.reshape (x,[-1,v]) 就可以了

再来看看笔者代码：

   def build_model():input_a = Input(shape=(28, 28,), name='input_1')input_b = Input(shape=(28, 28,), name="input_2")ra = Reshape((-1,), name="reshape")(input_a)rb = Reshape((-1,),name="reshape_1")(input_b)d1 = Dense(500,activation='relu', name="dense")d2 = Dense(10, activation="softmax", name="dense_1")hidden_a = d2(d1(ra))hidden_b = d2(d1(rb))distance = K.sqrt(K.sum(tf.square(hidden_a - hidden_b)+0.00001, axis=1))model = tf.keras.Model(inputs=[input_a, input_b], outputs=distance)return model

上面这段代码在tf24中可以正常运行，并且通过，但是在tf2.1中无法通过，会报错： The last dimension of the inputs to Dense should be defined. Found None.

而问题的关键就在于-1，这个需要运行时决定，所以为了解决这个报错，我们人工计算这个值。

def build_model():input_a = Input(shape=(28, 28,), name='input_1')input_b = Input(shape=(28, 28,), name="input_2")ra = Reshape((784,), name="reshape")(input_a)rb = Reshape((784,),name="reshape_1")(input_b)d1 = Dense(500,activation='relu', name="dense")d2 = Dense(10, activation="softmax", name="dense_1")hidden_a = d2(d1(ra))hidden_b = d2(d1(rb))# 注意，为防止梯度爆炸，对distance添加保护措施distance = K.sqrt(K.sum(tf.square(hidden_a - hidden_b)+0.00001, axis=1))model = tf.keras.Model(inputs=[input_a, input_b], outputs=distance)return model

即可

The last dimension of the inputs to `Dense` should be defined. Found `None`.相关推荐

【已修复】Error: ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`
Keras框架我们需要记住的一件事情是,Dense层要求明确上一层输出的第二维度的值,而不能显示为None. 但是这种"明确"似乎并不能通过在Dense层指定input_shap ...
tf keras Dense源码解析
环境 package version tensorflow 2.3.0 keras 2.4.3 源码 class Dense(Layer):def __init__(self,units,activa ...
tf 2.0 -- Dense --普通全连接神经网络层
主要参数 units : 正整数,输出空间的维数:activation: 使用的激活函数.如果没有指定,则没有使用激活函数,即线性激活函数 f(x) = x:use_bias: 是否使用偏置的标志:k ...
二、TensorFlow2.x 基于图像的分类
本文使用tf.keras对服装.运动鞋图像进行分类,训练一个神经网络模型.tf.keras是TensorFlow中用来构建和训练模型的高级API.详细内容会在下面实际操作中展开介绍,一起来看看吧.关注 ...
用卷积对心音进行分类的总结1
一:所用的神经网络--cnn 1;心音数据特点:是1维的 2:用到的卷积,池化层等也是1d 的(用法和2d的差不多,只是输入是3D的[batch,n_w,n_c],相对于2d少了高度n_h):如下:t ...
深入浅出TensorFlow2函数——tf.keras.layers.Dense
分类目录:<深入浅出TensorFlow2函数>总目录 tf.keras.layers.Dense实现操作:output = activation(dot(input, kernel) + ...
使用VAE、CNN encoder+孤立森林检测ssl加密异常流的初探——真是一个忧伤的故事！！！...
ssl payload取1024字节,然后使用VAE检测异常的ssl流. 代码如下: from sklearn.model_selection import train_test_split from ...
Keras functional API快速入门
2019独角兽企业重金招聘Python工程师标准>>> Keras functional API快速入门 The Keras functional API is the way to ...
Keras: 多输入及混合数据输入的神经网络模型
目录摘要正文什么是混合数据? Keras如何接受多个输入? 房价数据集获取房价数据集项目结构加载数值和分类数据加载图像数据集定义多层感知器(MLP)和卷积神经网络(CNN) 使用Ker ...

The last dimension of the inputs to `Dense` should be defined. Found `None`.

The last dimension of the inputs to `Dense` should be defined. Found `None`.相关推荐

最新文章

热门文章