R语言Keras神经网络构建时KeyError:0错误排查与解决

问题场景 #

在R语言中使用TensorFlow/Keras构建神经网络，尝试通过layer_add合并两个形状均为TensorShape([None,1])的张量Network和LogVol时，触发KeyError: 0错误，相关代码及错误详情如下：

报错代码 #

# 生成错误的代码
Response = list(Network, LogVol) %>%
  layer_add(name = 'Add') %>%
  layer_dense(units = 1,
              activation = 'exponential',
              name = 'Response',
              trainable = FALSE,
              weights = list(array(1, dim = c(1,1)), array(0, dim = c(1))))

错误信息 #

Error in py_call_impl(callable, call_args$unnamed, call_args$named) : 
  KeyError: 0
Run `reticulate::py_last_error()` for details.

Python异常追踪 #

Traceback (most recent call last):
  File "C:\Users\kusha\OneDrive\DOCUME~1\VIRTUA~1\R-TENS~1\Lib\site-packages\keras\src\layers\merging\add.py", line 92, in add
    return Add(**kwargs)(inputs)
           ^^^^^^^^^^^^^^^^^^^^^
  File "C:\Users\kusha\OneDrive\DOCUME~1\VIRTUA~1\R-TENS~1\Lib\site-packages\keras\src\utils\traceback_utils.py", line 70, in error_handler
    raise e.with_traceback(filtered_tb) from None
  File "C:\Users\kusha\OneDrive\DOCUME~1\VIRTUA~1\R-TENS~1\Lib\site-packages\keras\src\layers\merging\base_merge.py", line 84, in build
    if not isinstance(input_shape[0], tuple):
                      ~~~~~~~~~~~^^^
KeyError: 0

错误原因 #

问题出在管道操作%>%的使用方式上：layer_add作为合并层，需要接收包含多个输入张量的列表作为输入参数，但直接用list(Network, LogVol) %>% layer_add()时，管道会把整个列表作为layer_add的第一个位置参数，而非将列表中的张量作为层的输入传入，导致Keras内部无法正确解析输入形状，触发KeyError:0。

解决方法 #

方法1：直接调用层并传入输入列表，再接管道 #

调整代码写法，先通过layer_add()(list(Network, LogVol))明确传入输入列表，再继续后续管道操作：

Response = layer_add(name = 'Add')(list(Network, LogVol)) %>%
  layer_dense(units = 1,
              activation = 'exponential',
              name = 'Response',
              trainable = FALSE,
              weights = list(array(1, dim = c(1,1)), array(0, dim = c(1))))

方法2：使用keras_model构建完整模型（更规范） #

如果是构建完整模型，推荐用keras_model明确指定输入和输出，避免管道操作的歧义：

# 定义输入（若Network和LogVol是已有张量，可跳过此步直接使用）
input_network = layer_input(shape = c(1))
input_logvol = layer_input(shape = c(1))

# 模拟Network和LogVol的前置层处理（根据实际业务调整）
Network = input_network %>% layer_dense(units = 1)
LogVol = input_logvol %>% layer_dense(units = 1)

# 合并张量并构建输出层
merged = layer_add()(list(Network, LogVol))
Response = merged %>%
  layer_dense(units = 1,
              activation = 'exponential',
              name = 'Response',
              trainable = FALSE,
              weights = list(array(1, dim = c(1,1)), array(0, dim = c(1))))

# 构建完整模型
model = keras_model(inputs = list(input_network, input_logvol), outputs = Response)

验证说明 #

两种方法都能正确将两个形状为(None,1)的张量传入layer_add进行合并，解决KeyError:0问题，后续的layer_dense也能正常接收合并后的张量处理。

内容的提问来源于stack exchange，提问作者Kushal Kataria