如何修复“TypeError：添加的图层必须是类图层的实例。”在 Python 中

Posted 2023-03-13

【中文标题】如何修复“TypeError：添加的图层必须是类图层的实例。”在 Python 中

【英文标题】：How to fix "TypeError: The added layer must be an instance of class Layer." in Python

【发布时间】：2019-08-19 20:04:15

【问题描述】：

我已经编写了那个小小的 helloworld 类型的神经网络。问题是我经常收到这样的错误：

"Traceback (most recent call last):
  File "C:/Users/Pigeonnn/PycharmProjects/Noss/Network.py", line 21, in <module>
    model.add(keras.layers.InputLayer(input_shape))
  File "C:\Users\Pigeonnn\AppData\Local\Programs\Python\Python37\lib\site-packages\tensorflow\python\training\checkpointable\base.py", line 442, in _method_wrapper
    method(self, *args, **kwargs)
  File "C:\Users\Pigeonnn\AppData\Local\Programs\Python\Python37\lib\site-packages\tensorflow\python\keras\engine\sequential.py", line 145, in add
    'Found: ' + str(layer))
TypeError: The added layer must be an instance of class Layer. Found: <keras.engine.input_layer.InputLayer object at 0x0000015EDB394DA0>"

这是我的代码：

import keras
import numpy as np
from sklearn.model_selection import train_test_split
import pandas as pd
from sklearn.utils import shuffle
import tensorflow as tf

seed = 10
np.random.seed(seed)

dataset = np.loadtxt("dataset2.csv",delimiter=',',skiprows=1)
dataset = shuffle(dataset)

X = dataset[:,2:]
Y = dataset[:,1]

(X_train,X_test,Y_train,Y_test) = train_test_split(X, Y, test_size=0.15, random_state=seed)
input_shape = (13,)

model = tf.keras.models.Sequential()
model.add(keras.layers.InputLayer(input_shape))
model.add(keras.layers.core.Dense(128, activation='relu'))
model.add(keras.layers.core.Dense(128, activation='relu'))
model.add(keras.layers.core.Dense(4, activation='sigmoid'))

model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])

model.fit(X_train,Y_train,epochs=20)

编辑：经过一些调整（更改损失函数，删除 tf 模型），我有另一个错误，这次是：

回溯（最近一次通话最后）： 文件“C:/Users/Pigeonnn/PycharmProjects/Noss/Network.py”，第 28 行，在 model.fit(X_train,Y_train,epochs=20) 文件“C:\Users\Pigeonnn\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\training.py”，第 952 行，适合 批次大小=批次大小） _standardize_user_data 中的文件“C:\Users\Pigeonnn\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\training.py”，第 789 行 exception_prefix='目标') 文件“C:\Users\Pigeonnn\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\training_utils.py”，第 138 行，位于standardize_input_data str（数据形状）） ValueError：检查目标时出错：预期dense_3的形状为（4，），但得到的数组的形状为（1，）

【问题讨论】：

我用完整的 Traceback 编辑了帖子

我知道，我检查了那个帖子。实际上，我认为这些线程并不足以帮助我。

【参考方案1】：

您同时使用了tf.keras 和keras 模块，它们不兼容。只使用一个并保持一致。

【讨论】：

它有帮助！但实际上还有另一个错误。现在它说：ValueError：检查目标时出错：预期dense_3的形状为（4，），但数组的形状为（1，）。要编辑线程

你的问题是二分类还是多分类？我认为这里的问题是最后一个密集层的激活函数 - sigmoid 仅适用于二进制问题，那么实际上你的层应该有一个输出节点。如果你有 4 个类，正如 Dense 中的 4 个节点所建议的那样，你应该使用 softmax。