Keras错误“必须为占位符张量输入一个值”

Question

我有简单的seq2seq模型：

import seq2seq
import numpy as np
import keras.backend as K

from seq2seq.models import Seq2Seq
from keras.models import Model
from keras.models import Sequential
from keras.layers import Embedding, Input, TimeDistributed, Activation

BLOCK_LEN = 60
EVENTS_CNT = 462

input = Input((BLOCK_LEN,))
embedded = Embedding(input_dim=EVENTS_CNT+1, output_dim=200)(input)
emb_model = Model(input, embedded)

seq_model = Seq2Seq(batch_input_shape=(None, BLOCK_LEN, 200), hidden_dim=200, output_length=BLOCK_LEN, output_dim=EVENTS_CNT)
model = Sequential()
model.add(emb_model)
model.add(seq_model)
model.add(TimeDistributed(Activation('softmax')))

model.summary()
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
model_1 (Model)              (None, 60, 200)           92600     
_________________________________________________________________
model_12 (Model)             (None, 60, 462)           1077124   
_________________________________________________________________
time_distributed_2 (TimeDist (None, 60, 462)           0         
=================================================================
Total params: 1,169,724
Trainable params: 1,169,724
Non-trainable params: 0
_________________________________________________________________

我正在尝试创建自己的度量标准：

def symbol_acc(true, predicted):
    np_y_true = K.get_value(true)
    np_y_pred = K.get_value(predicted)
    return K.mean(np_y_true == np_y_pred)

如果我尝试用这个度量编译模型，我会得到一个错误“您必须为占位符张量提供一个值”，并显示以下消息：

InvalidArgumentError                      Traceback (most recent call last)
C:\Users\Anna\Anaconda3\lib\site-packages\tensorflow\python\client\session.py in _do_call(self, fn, *args)
   1322     try:
-> 1323       return fn(*args)
   1324     except errors.OpError as e:

C:\Users\Anna\Anaconda3\lib\site-packages\tensorflow\python\client\session.py in _run_fn(session, feed_dict, fetch_list, target_list, options, run_metadata)
   1301                                    feed_dict, fetch_list, target_list,
-> 1302                                    status, run_metadata)
   1303 

C:\Users\Anna\Anaconda3\lib\site-packages\tensorflow\python\framework\errors_impl.py in __exit__(self, type_arg, value_arg, traceback_arg)
    472             compat.as_text(c_api.TF_Message(self.status.status)),
--> 473             c_api.TF_GetCode(self.status.status))
    474     # Delete the underlying status object from memory otherwise it stays alive

InvalidArgumentError: You must feed a value for placeholder tensor 'time_distributed_2_target' with dtype float and shape [?,?,?]
     [[Node: time_distributed_2_target = Placeholder[dtype=DT_FLOAT, shape=[?,?,?], _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

但以下代码运行良好（不会产生任何异常）：

def symbol_acc2(true, predicted):
    true = np.array(true)
    predicted = np.array(predicted)
    return K.variable((true == predicted).mean())

你能解释一下那个例外是什么意思吗？我以为symbol\u acc和symbol\u acc2在做同样的事情。我是NNs和keras的新手，所以我可能看不到一些明显的东西。我在stackoverflow上看到了类似的问题，但没有找到适合我情况的答案。

Answer 1

在symbol_acc中，非工作版本，tf.keras.backend.get_value（）（代码中的K.get_value（））将以Numpy数组的形式获取变量的值。然后这一行K. means（np_y_true==np_y_pred）首先创建另一个基于相等的（布尔值）Numpy数组，然后tf.keras.backend.mean（）试图将Numpy数组视为张量，但它不是这样工作的。

显示错误是因为在图形创建时，true还没有值，还没有输入。

symbol_acc2不会抛出错误，但也不会工作，因为在图形创建时true和预测只是空张量。Numpy不会改变这一点，但是比较会失败，取平均值会产生零，你只是创建了一个值为零的变量。考虑这个代码（经过测试）：

import keras.backend as K
import numpy as np

true = K.placeholder( ( 2, ) )
predicted = K.placeholder( ( 2, ) )
a = np.array( true )
b = np.array( predicted )
c = a == b
print( c, c.mean() )

产出：

（假，0.0）

不管数据如何（张量中甚至还没有数据。）

为了达到你想要的，也就是计算你预测的准确性，你可以简单地使用

def symbol_acc( true, predicted ):
    return K.mean( K.cast_to_floatx( K.equal( true, predicted ) ) )

或者，你可以让自己的生活更轻松，看看Keras自己的分类精度指标。

Answer 2

度量、损失和整个模型都是“符号”张量。

这意味着，在你开始拟合或预测之前，它们绝对没有数据（或值）。

当您调用K.get_value时，您试图获取一个不存在的值。（仅当您向模型“输入数据”时，它才会存在。它所称的占位符是一个空的输入张量，期望在拟合或预测时接收数据）。

解决问题的方法就是不要试图获取这些值。（numpy版本也不起作用，编译此函数时不存在值）。

你必须让所有的操作都是符号化的，它们将在你输入数据时执行。

因此：

def symbol_acc(true, predicted):
    isEqual = K.cast(K.equal(true,predicted),K.floatx())
    return K.mean(isEqual)