Блог

Я пытался создать модель из 7 столбцов (функций) с помощью функционального API Keras и сопоставить ее с выводом 6 классов.

 import tensorflow as tf
from tensorflow.keras import Model
from tensorflow.keras.layers import Input, Dense, Concatenate

input_message = Input(shape=(128,))
x = Dense(64, activation="relu")(input_message)
x = Dense(32, activation="relu")(x)
x = Dense(4, activation="relu")(x)
model_message = Model(inputs=input_message, outputs=x)

input_description = Input(shape=(128,))
x = Dense(64, activation="relu")(input_description)
x = Dense(32, activation="relu")(x)
x = Dense(4, activation="relu")(x)
model_description = Model(inputs=input_description, outputs=x)

input_errors = Input(shape=(2,))
x = Dense(1, activation="relu")(input_errors)
model_errors = Model(inputs=input_errors, outputs=x)

input_panics = Input(shape=(2,))
x = Dense(1, activation="relu")(input_panics)
model_panics = Model(inputs=input_panics, outputs=x)

input_images = Input(shape=(2,))
x = Dense(1, activation="relu")(input_images)
model_images = Model(inputs=input_images, outputs=x)

input_committer = Input(shape=(16,))
x = Dense(4, activation="relu")(input_description)
model_committer = Model(inputs=input_committer, outputs=x)

input_reporter = Input(shape=(6,))
x = Dense(1, activation="relu")(input_reporter)
model_reporter = Model(inputs=input_reporter, outputs=x)

combined = Concatenate()([model_message.output, model_description.output, model_errors.output, 
                         model_panics.output, model_images.output, model_committer.output, model_reporter.output])

z = Dense(6, activation='softmax')(combined)
model = Model(inputs=[model_message.input, model_description.input, model_errors.input, 
                     model_panics.input, model_images.input, model_committer.input, model_reporter.input], 
              outputs=z)
 

К сожалению, это привело к следующей ошибке:

 ValueError: Graph disconnected: cannot obtain value for tensor KerasTensor(type_spec=TensorSpec(shape=(None, 128), dtype=tf.float32, name='input_23'), name='input_23', description="created by layer 'input_23'") at layer "dense_74". The following previous layers were accessed without issue: []
 

Мой список функций выглядит следующим образом:

1. сообщение — текст
2. описание — текст
3. has_errors — int представляет значение bool
4. has_panics — int представляет значение bool
5. has_images — int представляет значение bool
6. группы коммиттеров — категориальные входные данные
7. группа репортеров — категориальные входные данные — 6 возможных значений в целом

Я пытался перейти по ссылке ниже: https://www.pyimagesearch.com/2019/02/04/keras-multiple-inputs-and-mixed-data/

итак, 2 вопроса:

1. что приводит к вышеуказанной ошибке?
2. Разве я не должен применить какое-то встраивание для текста?

Заранее спасибо

Почему вы создаете так много моделей, когда на самом деле хотите одну?

 import tensorflow as tf
from tensorflow.keras import Model
from tensorflow.keras.layers import Input, Dense, Concatenate

input_message = Input(shape=(128,))
x = Dense(64, activation="relu")(input_message)
x = Dense(32, activation="relu")(x)
x1 = Dense(4, activation="relu")(x)

input_description = Input(shape=(128,))
x = Dense(64, activation="relu")(input_description)
x = Dense(32, activation="relu")(x)
x2 = Dense(4, activation="relu")(x)

input_errors = Input(shape=(2,))
x3 = Dense(1, activation="relu")(input_errors)

input_panics = Input(shape=(2,))
x4 = Dense(1, activation="relu")(input_panics)

input_images = Input(shape=(2,))
x5 = Dense(1, activation="relu")(input_images)

input_committer = Input(shape=(16,))
x6 = Dense(4, activation="relu")(input_description)

input_reporter = Input(shape=(6,))
x7 = Dense(1, activation="relu")(input_reporter)

combined = Concatenate()([x1,x2,x3,x4,x5,x6,x7])

z = Dense(6, activation='softmax')(combined)
model = Model(inputs=[input_message,input_description,input_errors,input_panics,input_images,input_committer,input_reporter ], 
              outputs=z)
 

Я не запускал его, но мне кажется, что это может сработать.

Возможно, вам захочется взглянуть на имена переменных, которые у вас есть. Обычно GraphDisconnected ошибка вызвана наличием переопределенных имен в программе.