「ValueError: Graph disconnected」Inputレイヤーの扱いミス

多次元の数値から連続値を予測するNNを実装。
データの形を正すために、poolingやreshapeを使用していたらValueError...。

エラー文

ValueError: Graph disconnected: cannot obtain value for tensor Tensor("input_state:0", shape=(?, 10, 22), dtype=float32) at layer "attention_vec". 

The following previous layers were accessed without issue: []

google翻訳

ValueError：グラフが切断されました：レイヤー "attention_vec"でテンソルTensor（ "input_state：0"、shape =（?, 10、22）、dtype = float32）の値を取得できません。

次の前のレイヤーは問題なくアクセスされました：[]

同じようなエラーに関する質問を発見。

KerasのModelクラスは入力にあたる部分をInputレイヤーで定義したものを使う必要があるようです。

とあり、
l_input = Input(~~~)
と定義しておいて
その下3行もl_input = ...とInputレイヤーの上書きをしていたことが原因でした。

改善後のコード

    def attn_block(self,inputs):
        ・
        ・
        ・
        return output_attention_mul

    def build_network(self):
        nb_dense_1 = self.dim_state * 10
        nb_dense_3 = self.dim_action * 10
        nb_dense_2 = int(np.sqrt(nb_dense_1 *
                                 nb_dense_3))

        l_input = Input(shape=(self.time_steps, self.dim_state,),
                        name='input_state')
        l = GlobalAveragePooling1D()(l_input)
        l = Reshape((22,1))(l)
        x = self.attn_block(l)
        l_cnn_1 = Conv1D(filters=16,kernel_size=2,
                          activation='tanh',
                          name='hidden_1')(x)
        l_cnn_2 = Conv1D(filters=16,kernel_size=2,#16,(2,2),#padding='same',
                          activation='tanh',
                          name='hidden_2')(l_cnn_1)
        l_dense_3 = Dense(nb_dense_3,
                          activation='tanh',
                          name='hidden_3')(l_cnn_2)
        l_dense_3 = Flatten()(l_dense_3)
        l_mu = Dense(self.dim_action,
                     activation='tanh',
                     name='mu')(l_dense_3)
        l_log_var = Dense(self.dim_action,
                          activation='tanh',
                          name='log_var')(l_dense_3)

        self.model = Model(inputs=[l_input],
                           outputs=[l_mu, l_log_var])
        self.model.summary()