在实现变分自编码器时，我遇到了这个问题。以下是最小可复现示例，其中包含一个简单的encoder、decoder和vae，所有这些都是使用函数式API创建的。vae通常由encoder和decoder组成。我使用自定义回调来获取中间层预测结果。
import tensorflow as tfimport numpy as npinputs = tf.keras.layers.Input((1,))outputs = tf.keras.layers.Dense(units=32)(inputs)encoder = tf.keras.Model(inputs, outputs) inputs = tf.keras.layers.Input((32,))outputs = tf.keras.layers.Dense(units=1)(inputs)decoder = tf.keras.Model(inputs, outputs)inputs = tf.keras.layers.Input((1,))x = encoder(inputs)outputs = decoder(x)vae = tf.keras.Model(inputs, outputs)class CustomCallback(tf.keras.callbacks.Callback): def on_epoch_end(self, epoch, logs=None): get_output = tf.keras.backend.function( inputs = self.model.layers[0].input, outputs = self.model.layers[1].output ) print("\nPrediction:",get_output(X))X = np.random.random_sample((8,1))y = Xvae.compile(optimizer='adam', loss='mse')vae.fit(X, y, epochs=2, callbacks=[CustomCallback()])运行上述代码时，我得到了以下错误：
<ipython-input-3-fd96ce817cad> in on_epoch_end(self, epoch, logs) 5 outputs = self.model.layers[1].output 6 )----> 7 print("\nPrediction:",get_output(X))..InvalidArgumentError: You must feed a value for placeholder tensor 'input_1' with dtype float and shape [?,1] [[node input_1 (defined at <ipython-input-3-fd96ce817cad>:5) ]] [Op:__inference_keras_scratch_graph_539]Function call stack:keras_scratch_graph但是，当仅训练编码器时，如下所示：
X = np.random.random_sample((8,1))y = np.random.random_sample((8,32))encoder.compile(optimizer='adam', loss='mse')encoder.fit(X, y, epochs=2, callbacks=[CustomCallback()])一切正常工作。
是什么导致了这个错误？如何修复它？
回答：
这里是正确定义它的方法
inp_enc = tf.keras.layers.Input((1,))out_enc = tf.keras.layers.Dense(units=32)(inp_enc)encoder = tf.keras.Model(inp_enc, out_enc) out_dec = tf.keras.layers.Dense(units=1)(encoder.output)decoder = tf.keras.Model(encoder.input, out_dec)vae = tf.keras.Model(encoder.input, decoder.output)class CustomCallback(tf.keras.callbacks.Callback): def on_epoch_end(self, epoch, logs=None): get_output = tf.keras.backend.function( inputs = self.model.layers[0].input, outputs = self.model.layers[1].output ) print("\nPrediction:", get_output(X))X = np.random.random_sample((8,1))y = Xvae.compile(optimizer='adam', loss='mse')vae.fit(X, y, epochs=2, callbacks=[CustomCallback()])