keras自定义层Lambda 输出维度不对
def reduce_sums(self, vec):
user_out = vec[0]
item_out = vec[1]
res = tf.nn.sigmoid(tf.reduce_sum(tf.multiply(user_out, item_out), axis=1, keep_dims=False))
return res
prediction = Lambda(self.reduce_sums)([user_latent, item_latent])


ValueError: Error when checking target: expected lambda_2 to have 1 dimensions, but got array with shape (5167, 1)
lambda_1 (Lambda) (None,) 0
...全文
相关推荐
keras Lambda自定义层实现数据的切片方式,Lambda传参数
主要介绍了keras Lambda自定义层实现数据的切片方式,Lambda传参数,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
tf.keras.layers.Layer自定义层
为了进一步了解上一篇中的class,搜了github如下示例: import tensorflow as tf class MyLayer(tf.keras.layers.Layer): def __init__(self, output_dim, **kwargs): self.output_dim = output_dim super(MyLayer, self).__init__(**kwargs) def build(self, input_shape): # Create a trainable weight vari
解决keras加入lambda层时shape的问题
主要介绍了解决keras加入lambda层时shape的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
keras 使用Lambda 快速新建层 添加多个参数操作
主要介绍了keras 使用Lambda 快速新建层 添加多个参数操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
查看keras各种网络结构各层的名字方式
主要介绍了查看keras各种网络结构各层的名字方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧


CUDA高性能计算讨论
