ValueError：模型sequential的权重尚未创建。

Question

我正在测试一个基础的神经网络模型。但在继续之前，我遇到了如截图所示的错误。

这是我的代码：

import numpy as np

# Training Data
x_train = np.array([[1.0,1.0]])
y_train = np.array([2.0])


for i in range(3,10000,2):
    x_train = np.append(x_train,[[i,i]],axis = 0)
    y_train = np.append(y_train,[i+i],axis = 0)


# Test Data
import numpy as np

x_test = np.array([[2.0,2.0]])
y_test = np.array([4.0])

for i in range(4,8000,4):
    x_test = np.append(x_test,[[i,i]],axis = 0)
    y_test = np.append(y_test,[i+i])

from tensorflow import keras    
from keras.layers import Flatten   # to flatten the input data
from keras.layers import Dense     # for the hidden layer

# We'll follow sequential method i.e. one after the other(input layer ---> hidden layer---> output layer) 

model = keras.Sequential()

# For input layer
model.add(Flatten(input_shape = x_train[0].shape))   # input layer

# For Hidden layer
model.add(Dense(2,activation = 'relu'))    # '2' represents a no. of neurons

# For Output layer
model.add(Dense(1))   # By default, activation = 'linear'

# before training
bf_train = model.get_weights()
bf_train

错误提示为：

ValueError: 模型 sequential 的权重尚未创建。当模型首次使用输入数据调用或调用带有 input_shape 参数的 build() 时，权重将被创建。

- Malay Jeena

Answer 1

您不应该混用tf 2.x和独立的keras，应按如下方式导入。

from tensorflow import keras    
from tensorflow.keras.layers import Flatten   # to flatten the input data
from tensorflow.keras.layers import Dense     # for the hidden layer

现在，运行代码，您将获得一些权重。

[array([[-0.43643105, -1.0268047 ],
        [ 1.0003897 ,  1.1105307 ]], dtype=float32),
 array([0., 0.], dtype=float32),
 array([[-0.19884515],
        [-0.78100944]], dtype=float32),
 array([0.], dtype=float32)]

- Innat

---

谢谢你的解决方案。你真的节省了我的时间。但是有一个问题，为什么？ - Malay Jeena

如果您正在使用 tf 2.x，那么您应该知道 keras 不再是一个独立的库，而是 tf 的一部分。 - Innat