CNN文本分类调用Keras Embedding层出现AttributeError: 'str' object has no attribute 'base_dtype'

• 函数式API输入层使用错误：Keras函数式API要求输入是Input()函数返回的张量对象，你当前使用的InputLayer()是面向Sequential序列模型设计的层类，它的实例不是可直接传入下一层的张量对象，导致Embedding层接收到的输入类型异常，触发属性错误。
• 代码存在多处拼写错误：
  • 池化层拼写错误：MalayerPooling1D应为MaxPooling1D
  • 输出层激活函数拼写错误：softmalayer应为softmax
  • 若未单独导入Dense、Model类，直接调用会触发未定义错误
• Input层未指定输入形状：Embedding层需要匹配输入序列的长度对应输入形状，缺少该配置也会导致后续层计算异常。

修复后的可运行代码如下：

import tensorflow as tf
# 运行前需提前定义好以下三个变量：
# input_dim：词表总大小
# embedding_matrix：预训练词向量矩阵
# max_len：输入序列的最大长度

# 替换InputLayer为Input，指定输入形状
input_layer = tf.keras.layers.Input(shape=(max_len,))

#hidden layers
layer = tf.keras.layers.Embedding(input_dim, 300, weights=[embedding_matrix], input_length=max_len, trainable=False)(input_layer)

conv1d_1 = tf.keras.layers.Conv1D(8, 15, activation='relu', kernel_initializer='he_uniform')(layer)
conv1d_2 = tf.keras.layers.Conv1D(32, 15, activation='relu', kernel_initializer='he_uniform')(layer)
conv1d_3 = tf.keras.layers.Conv1D(128, 15, activation='relu', kernel_initializer='he_uniform')(layer)

layer = tf.keras.layers.Concatenate()([conv1d_1, conv1d_2, conv1d_3])

# 修正池化层拼写
layer = tf.keras.layers.MaxPooling1D(pool_size=10, strides=1, padding='same')(layer)

conv1d_4 = tf.keras.layers.Conv1D(16, 15, activation='relu', kernel_initializer='he_uniform')(layer)
conv1d_5 = tf.keras.layers.Conv1D(64, 15, activation='relu', kernel_initializer='he_uniform')(layer)
conv1d_6 = tf.keras.layers.Conv1D(96, 15, activation='relu', kernel_initializer='he_uniform')(layer)

layer = tf.keras.layers.Concatenate()([conv1d_4, conv1d_5, conv1d_6])

# 修正池化层拼写
layer = tf.keras.layers.MaxPooling1D(pool_size=10, strides=1, padding='same')(layer)

layer = tf.keras.layers.Conv1D(50, 15, activation='relu', kernel_initializer='he_uniform')(layer)

layer = tf.keras.layers.Flatten()(layer)

layer = tf.keras.layers.Dropout(.3)(layer)

layer = tf.keras.layers.Dense(256, activation='relu', kernel_initializer='he_uniform')(layer)

# 修正激活函数拼写
output = tf.keras.layers.Dense(20, activation='softmax', kernel_initializer='he_uniform')(layer)

#Creating a model
models = tf.keras.Model(inputs=input_layer, outputs=output)

改动点说明：

• 输入层替换为tf.keras.layers.Input(shape=(max_len,))，符合函数式API的张量输入要求
• 修正所有拼写错误，包括池化层、激活函数的拼写
• 统一使用tensorflow.keras下的层类，避免未导入Dense、Model类的报错
• 需提前给input_dim、embedding_matrix、max_len三个变量完成赋值，避免后续参数未定义错误。

内容的提问来源于stack exchange，提问作者Mazhar Ali