AttributeError: 'NoneType' object has no attribute '_inbound_nodes'解决方法

几周前要用自动编码器模拟一个通信系统，开始学习tensorflow，后来发现Keras对新手更加友好，便入坑Keras，但由于keras集成度很高，很多细节不是很好实现，导致模拟模拟通信系统的过程出现了些小问题，在此记录下来。

常规的自动编码器网络：

我需要实现的网络：

---

出现的问题：

---

信道可以用矩阵来代替，也就是我需要对编码器的输出乘上一个矩阵，然后将其送入解码器，因为keras搭建网络时操作对象是Layer，不能是变量或tensor，所以这个地方直接将编码器的输出和矩阵相乘赋值给变量，再将变量输入到解码器会报错，利用tensorflow中的tf.matmul()语句将结果赋值给张量后传入给解码器仍然会报错。自动编码器网络结构部分代码如下：

    #编码器
    input_img = Input(shape=(4,))
    encoded = Dense(32, activation='relu')(input_img)  
    encoded = Dense(32, activation='relu')(encoded)  
    encoded = Dense(7, activation='relu')(encoded)
    #信道    
    encoded_output1 = tf.matmul(encoded,h)
    encoded_output2 = keras.layers.noise.GaussianNoise(sigma_2)(encoded_output1)
    #解码器
    decoded = Dense(32, activation='relu')(encoded_output2)  
    decoded = Dense(32, activation='relu')(decoded)  
    decoded = Dense(4, activation='sigmoid')(decoded)  

程序运行后报错如下：

---

解决方法：

---

利用keras中的Lambda层自定义一个层。
Lambda层的作用是自定义层，如果只是对数据进行操作，而网络中的参数没有更新，那么便可以利用Lambda进行自定义层。步骤如下：

1.首先定义一个函数，我需要的是编码器的输出乘上一个矩阵，所以定义一个相乘的函数如下：

    def mul(x):
        return tf.matmul(x,h)
#x表示编码器的输出，h表示矩阵

2.利用Lambda定义一个层

encoded_output1 = Lambda(mul)(encoded)
#mul表示第一步定义的函数，encoded表示编码器的输出

完整代码如下：

    def mul(x):
        return tf.matmul(x,h)
    #编码器
    input_img = Input(shape=(4,))
    encoded = Dense(32, activation='relu')(input_img)  
    encoded = Dense(32, activation='relu')(encoded)  
    encoded = Dense(7, activation='relu')(encoded)
    #信道
    encoded_output1 = Lambda(mul)(encoded)
    encoded_output2 = keras.layers.noise.GaussianNoise(sigma_2)(encoded_output1)
     #解码器
    decoded = Dense(32, activation='relu')(encoded_output2)  
    decoded = Dense(32, activation='relu')(decoded)  
    decoded = Dense(4, activation='sigmoid')(decoded)

再次运行程序，就不会在出现AttributeError: ‘NoneType’ object has no attribute ‘_inbound_nodes’