Определение модели в учебнике Keras «Вероятностные байесовские нейронные сети» приводит к ошибке «AttributeError: объект ⇐ Python

[Anonymous]

Я пытаюсь запустить keras-tutorial Вероятностные байесовские нейронные сети, чтобы получить представление о байесовских нейронных сетях (BNN). Учебное пособие содержит блокнот Google-Colab, поэтому вы можете запустить его прямо в браузере. Однако когда я пытаюсь обучить BNN в первый раз (глава Обучение BNN с небольшим обучающим подмножеством), выдается следующая ошибка:

Код: Выделить всё

AttributeError                            Traceback (most recent call last)
 in ()
3 small_train_dataset = train_dataset.unbatch().take(train_sample_size).batch(batch_size)
4
----> 5 bnn_model_small = create_bnn_model(train_sample_size)
6 run_experiment(bnn_model_small, mse_loss, small_train_dataset, test_dataset)

2 frames
/usr/local/lib/python3.10/dist-packages/tf_keras/src/engine/input_spec.py in assert_input_compatibility(input_spec, inputs, layer_name)
249                 )
250         if spec.min_ndim is not None:
--> 251             ndim = x.shape.rank
252             if ndim is not None and ndim < spec.min_ndim:
253                 raise ValueError(

AttributeError: 'tuple' object has no attribute 'rank'

Сообщение об ошибке, вероятно, относится к определению модели в ячейке перед:
Определение модели

Код: Выделить всё

def create_bnn_model(train_size):
inputs = create_model_inputs()
features = keras.layers.concatenate(list(inputs.values()))
features = layers.BatchNormalization()(features)

# Create hidden layers with weight uncertainty using the DenseVariational layer.
for units in hidden_units:
features = tfp.layers.DenseVariational(
units=units,
make_prior_fn=prior,
make_posterior_fn=posterior,
kl_weight=1 / train_size,
activation="sigmoid",
)(features)

# The output is deterministic: a single point estimate.
outputs = layers.Dense(units=1)(features)
model = keras.Model(inputs=inputs, outputs=outputs)
return model

Код для начала обучения следующий:

Начать обучение

Код: Выделить всё

num_epochs = 500
train_sample_size = int(train_size * 0.3)
small_train_dataset = train_dataset.unbatch().take(train_sample_size).batch(batch_size)

bnn_model_small = create_bnn_model(train_sample_size)
run_experiment(bnn_model_small, mse_loss, small_train_dataset, test_dataset)

Я попробовал обернуть тензор features в слой tf.keras.input -, но это не решило проблему


Подробнее здесь: https://stackoverflow.com/questions/789 ... works-lead