Keras 报告类型错误：+ 的不支持的操作数类型：'NoneType' 和 'int'

Posted 2023-02-16

【中文标题】Keras 报告类型错误：+ 的不支持的操作数类型：\'NoneType\' 和 \'int\'

【英文标题】：Keras reports TypeError: unsupported operand type(s) for +: 'NoneType' and 'int'Keras 报告类型错误：+ 的不支持的操作数类型：'NoneType' 和 'int'

【发布时间】：2019-04-28 23:34:52

【问题描述】：

我是 Keras 的初学者，只是写一个玩具示例。它报告TypeError。代码及错误如下：

代码：

inputs = keras.Input(shape=(3, ))

cell = keras.layers.SimpleRNNCell(units=5, activation='softmax')
label = keras.layers.RNN(cell)(inputs)

model = keras.models.Model(inputs=inputs, outputs=label)
model.compile(optimizer='rmsprop',
              loss='mae',
              metrics=['acc'])

data = np.array([[1, 2, 3], [3, 4, 5]])
labels = np.array([1, 2])
model.fit(x=data, y=labels)

错误：

Traceback (most recent call last):
    File "/Users/david/Documents/code/python/Tensorflow/test.py", line 27, in <module>
        run()
    File "/Users/david/Documents/code/python/Tensorflow/test.py", line 21, in run
        label = keras.layers.RNN(cell)(inputs)
    File "/Users/david/anaconda3/lib/python3.6/site-packages/tensorflow/python/keras/layers/recurrent.py", line 619, in __call__
...
    File "/Users/david/anaconda3/lib/python3.6/site-packages/tensorflow/python/ops/init_ops.py", line 473, in __call__
        scale /= max(1., (fan_in + fan_out) / 2.)
TypeError: unsupported operand type(s) for +: 'NoneType' and 'int'

那我该如何处理呢？

【参考方案1】：

我认为@today 的答案很明确。然而，并不完整。这里的关键是，如果您的输入不包含num_features，您必须在输入旁边创建一个Embedding 层。

所以如果你使用：

inputs = keras.Input(shape=(3,))
embedding = Embedding(voc_size, embed_dim, ..)
X = embedding(inputs)

它也有效。

【参考方案2】：

RNN 层的输入将具有(num_timesteps, num_features) 的形状，即每个样本由num_timesteps 时间步组成，其中每个时间步是长度为num_features 的向量。此外，时间步数（即num_timesteps）可能是可变的或未知的（即None），但特征的数量（即num_features）应该从一开始就固定并指定。因此，您需要更改 Input 层的形状以与 RNN 层保持一致。例如：

inputs = keras.Input(shape=(None, 3))  # variable number of timesteps each with length 3
inputs = keras.Input(shape=(4, 3))     # 4 timesteps each with length 3
inputs = keras.Input(shape=(4, None))  # this is WRONG! you can't do this. Number of features must be fixed

然后，您还需要更改输入数据的形状（即data）以与您指定的输入形状一致（即它必须具有(num_samples, num_timesteps, num_features)的形状）。

附带说明一下，您可以通过直接使用SimpleRNN 层更简单地定义 RNN 层：

label = keras.layers.SimpleRNN(units=5, activation='softmax')(inputs)

【讨论】：

感谢您的回答！