【已修复】Error: ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`

Keras框架

我们需要记住的一件事情是，Dense层要求明确上一层输出的第二维度的值，而不能显示为None。
但是这种“明确”似乎并不能通过在Dense层指定input_shape就可以实现的。

x1_in = Input(shape=(None,))
x2_in = Input(shape=(None,))
x = SelfCreateLayer([x1_in, x2_in])
# 这里的SelfCreateLayer它输入其实是两个shape为(batch,120)的tensor对象。但是因为120是由dataset决定的，因此这里将其设计为None以自适应各个shape的张量。
output = keras.layers.Bidirectional(keras.layers.LSTM(units=128, return_sequences=True))(x)
# 双向LSTM，输出为(None,None,256)
T = SelfCreateLayer2()(output)
# SelfCreateLayer2，输出为(None,None,256)
T = GlobalMaxPooling1D()(T)
# 若是使用flatten/Reshape，则无法进行实验，显示错误：Error: ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`。
# 解决方法就是，使用池化层代替flatten或者reshape。

output = Dense(10, activation="softmax")(T)
model = Model([x1_in, x2_in], output)

正如上面代码所展示的那样：

T = GlobalMaxPooling1D()(T)
# 若是使用flatten/Reshape，则无法进行实验，显示错误：Error: ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`。
# 解决方法就是，使用池化层代替flatten或者reshape。
output = Dense(10, activation="softmax")(T)

这只是一种方案，而且方案的要点其实是两个部分，第一是GlobalMaxPooling1D代替Flatten，第二是input不能指定具体的维度，只能使用None，如果使用具体的值，会产生SelfCreateLayer部分的问题。因为SelfCreateLayer是自己创建的层，因此如果是其他的层，可能不会出现跟我代码中一样的问题。

因此本文只是提供一种解决思路：无论何种原因，使得Dense层的输入张量的第二维度为(none, none, features)时，如果使用Flatten出现了本文题目的问题，那么可以尝试使用池化层API替换解决。

参考文章：Error: ValueError: The last dimension of the inputs to Dense should be defined. Found None