Keras项目中混合使用StringLookup和IntegerLookup层的注意事项

在Keras项目中构建深度学习模型时，预处理层如StringLookup和IntegerLookup是非常实用的工具，它们可以将字符串或整数值转换为适合神经网络处理的格式。然而，在最新版本的Keras 3中，当同时使用这两种不同类型的查找层时，开发者可能会遇到一些意外的行为。

问题背景

在Keras 2.15版本中，开发者可以自由地组合StringLookup和IntegerLookup层，即使它们分别连接到不同的输入层。模型能够正常处理这些不同类型的输入数据。但在升级到Keras 3后，同样的代码会抛出"Cast int64 to string is not supported"的错误。

技术细节分析

这个问题源于Keras 3对输入处理方式的改变。当使用函数式API创建模型时，输入层的组织方式变得更为严格。在旧版本中，简单的列表形式输入([letters_input, integers_input])可以工作，但在新版本中，需要更明确地指定输入结构。

解决方案

正确的做法是使用字典形式明确指定输入结构：

model = keras.Model(
    {"letters_in": letters_input, "integers_in": integers_input},
    [letters_out, integers_out]
)

这种组织方式有几个优点：

1. 明确将每个输入层与其对应的名称关联
2. 使模型结构更加清晰可读
3. 避免了Keras 3中的类型转换问题

底层原理

在Keras 3中，类型系统变得更加严格。当使用列表形式组织输入时，框架可能会尝试进行不必要的类型转换，导致int64到string的非法转换。而字典形式则保留了完整的类型信息，让每个输入保持其原始数据类型。

最佳实践建议

1. 在Keras 3中，总是使用字典形式组织多个输入
2. 为每个输入层指定明确的名称
3. 确保输入数据类型与预处理层的预期类型匹配
4. 在模型构建完成后，使用model.summary()验证输入输出结构

总结

Keras 3带来了许多改进，但也引入了一些行为变化。理解这些变化并相应调整编码习惯，可以帮助开发者顺利迁移到新版本。在处理混合类型输入时，采用字典形式的输入组织方式是避免类型转换问题的关键。