層“模型”的輸入0與層不兼容：預期形狀=（無，n，n，n）

我不太確定我的問題出在哪里。嘗試運行下面的模型時，我收到一條錯誤訊息：

ValueError: Input 0 of layer "model" is incompatible with the layer: expected shape=(None, 250, 319, 3), found shape=(250, 319, 3)

從 state() 回傳的影像大小為 (250, 319, 3)。我在下面的 get_actor() 模型輸入中明確定義了這一點。我嘗試過的一些事情：

我讀過的一件事是，Keras 可能需要一批影像，而不僅僅是一個影像，因此您可能需要將維度擴展到 (1, 250, 319, 3)。我嘗試使用 tf.expand_dims 執行此操作，但我只是得到另一個錯誤，說它正在預期（None、1、250、319、3）。

我嘗試的另一件事是將輸入大小簡單地更改為 (None, 250, 319, 3) 并且它似乎作業，直到它產生與 layer3 = layers.Flatten()(layer2) 關聯的另一個錯誤說：

ValueError: The last dimension of the inputs to a Dense layer should be defined. Found None. Full input shape received: (None, None)

這可能是一個完全不同的問題。任何關于進行的最佳方式的建議。我不確定為什么它堅持在輸入形狀中包含 None ？

def state():
    # can set to N number of captures per step
    image = tf.convert_to_tensor(screen_capture())
    img = tf.image.resize(image, [round(image.shape[0] / 2), round(image.shape[1] / 2)], preserve_aspect_ratio=True)
    img_norm = tf.keras.utils.normalize(img, axis=0)
    return img_norm

def get_actor():
    # Initialize weights between -3e-3 and 3-e3
    last_init = tf.random_uniform_initializer(minval=-0.003, maxval=0.003)

    # Convolutions
    inputs = layers.Input(shape=(250, 319, 3))
    layer1 = layers.Conv2D(32, 3, strides=2, activation="relu")(inputs)
    layer2 = layers.Conv2D(64, 3, strides=4, activation="relu")(layer1)

    layer3 = layers.Flatten()(layer2)

    # Fully connected layers
    layer4 = layers.Dense(256, activation="relu")(layer3)
    layer5 = layers.Dense(256, activation="relu")(layer4)
    action = layers.Dense(3, activation="tanh", kernel_initializer=last_init)(layer5)

    outputs = action
    model = tf.keras.Model(inputs, outputs)
    return model

actor_model = get_actor()
sampled_actions = tf.squeeze(actor_model(state()))

uj5u.com熱心網友回復：

運行您的代碼tf.expand_dims似乎沒有任何問題，因此錯誤必須在其他地方：

import tensorflow as tf

def state():  
    return tf.expand_dims(tf.keras.utils.normalize(tf.random.normal((250, 319, 3))), axis=0)

def get_actor():
    # Initialize weights between -3e-3 and 3-e3
    last_init = tf.random_uniform_initializer(minval=-0.003, maxval=0.003)

    # Convolutions
    inputs = tf.keras.layers.Input(shape=(250, 319, 3))
    layer1 = tf.keras.layers.Conv2D(32, 3, strides=2, activation="relu")(inputs)
    layer2 = tf.keras.layers.Conv2D(64, 3, strides=4, activation="relu")(layer1)

    layer3 = tf.keras.layers.Flatten()(layer2)

    # Fully connected layers
    layer4 = tf.keras.layers.Dense(256, activation="relu")(layer3)
    layer5 = tf.keras.layers.Dense(256, activation="relu")(layer4)
    action = tf.keras.layers.Dense(3, activation="tanh", kernel_initializer=last_init)(layer5)

    outputs = action
    model = tf.keras.Model(inputs, outputs)
    return model

actor_model = get_actor()
sampled_actions = tf.squeeze(actor_model(state()))
print(sampled_actions)

tf.Tensor([ 0.00166097  0.00444322 -0.00574574], shape=(3,), dtype=float32)

標籤：

上一篇：express.json()阻止請求到達后面的中間件

下一篇：Tensorflow：不兼容的形狀：[1,2]與[1,4,4,2048]