总体问题:

大家好，我遇到了一个属性错误，但我不太确定原因是什么。我正在按照这个自编码器教程进行操作，并试图复制其中的一些代码。你们能告诉我我哪里做错了嗎？

自编码器构建:

# 这是原始空间的维度input_dim = maxlen# 这是潜在空间（编码空间）的维度latent_dim = 2encoder = Sequential([    Dense(128, activation='relu', input_shape=(input_dim,)),    Dense(64, activation='relu'),    Dense(32, activation='relu'),    Dense(latent_dim, activation='relu')])decoder = Sequential([    Dense(64, activation='relu', input_shape=(latent_dim,)),    Dense(128, activation='relu'),    Dense(256, activation='relu'),    Dense(input_dim, activation=None)])

当编码器和解码器在以下部分连接时，就会出现这个错误:

autoencoder = Model(inputs=encoder.input, outputs=decoder(encoder.output))

错误信息:

AttributeError: 'Sequential' object has no attribute '_nested_inputs'---------------------------------------------------------------------------AttributeError                            Traceback (most recent call last)<command-55734003> in <module>----> 1 autoencoder = Model(inputs=encoder.input, outputs=decoder(encoder.output))      2       3 autoencoder.compile(loss='mse', optimizer='adam')/databricks/python/lib/python3.8/site-packages/tensorflow/python/keras/engine/functional.py in input(self)    241       AttributeError: If no inbound nodes are found.    242     """--> 243     return self._nested_inputs    244     245   @propertyAttributeError: 'Sequential' object has no attribute '_nested_inputs'

我尝试过的方法:

1. 我在谷歌上搜索了这个错误，一个帖子建议更改输入形状。我对自编码器了解不多，但这个架构似乎已经有了这个参数。

2. 另一个帖子建议添加input_shape（这已经有了），然后使用build()

任何建议都将不胜感激！

回答：

将你的encoder和decoder结合起来的最简单方法是实例化一个Input层，并将其通过encoder和decoder传递。

inp = Input((input_dim,))autoencoder = Model(inputs=inp, outputs=decoder(encoder(inp)))autoencoder.compile('adam', 'mse')

这里是运行的笔记本