时间戳

首页 > 解决方案 > 我如何知道输入数据到我的 keras RNN 的正确格式？

python - 我如何知道输入数据到我的 keras RNN 的正确格式？

问题描述

我正在尝试构建一个 Elman 简单 RNN，如此处所述。

我使用 Keras 构建了我的模型，如下所示：

model = keras.Sequential()
model.add(keras.layers.SimpleRNN(7,activation =None,use_bias=True,input_shape=
                             [x_train.shape[0],x_train.shape[1]]))
model.add(keras.layers.Dense(7,activation = tf.nn.sigmoid))

model.summary()
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
simple_rnn_2 (SimpleRNN)     (None, 7)                 105       
_________________________________________________________________
dense_2 (Dense)              (None, 7)                 56        
=================================================================
Total params: 161
Trainable params: 161
Non-trainable params: 0
_________________________________________________________________

我的训练数据目前是形状 (15000, 7, 7)。也就是说，15000 个长度为 7 的热编码实例，编码七个字母之一。例如[0,0,0,1,0,0,0],[0,0,0,0,1,0,0]等等。

数据的标签格式相同，因为每个字母都预测序列中的下一个字母，即[0,1,0,0,0,0,0]具有标签[0,0,1,0,0,0,0]。

因此，训练数据(x_train)和训练标签(y_train)都是成形的(15000,7,7)。

我的验证数据 x_val 和 y_val 是 shape (10000,7,7)。即具有较少实例的相同形状。

所以当我运行我的模型时：

history = model.fit(x_train,
         y_train,
         epochs = 40,
         batch_size=512,
         validation_data = (x_val,y_val))

我得到错误：

ValueError: Error when checking input: expected simple_rnn_7_input to have shape (15000, 7) but got array with shape (7, 7)

显然，我的输入数据格式不正确，无法输入到 Keras RNN，但我想不出如何为其提供正确的输入。

谁能告诉我解决方案？

标签： pythontensorflowmachine-learningkerasrecurrent-neural-network

解决方案

  1. 在您的情况下， SimpleRNN 层期望尺寸(seq_length, input_dim)为 (7,7) 的输入。
  2. 此外，如果您想在每个时间步输出，则需要使用return_sequence=True，默认情况下为false. 这样您就可以在时间步长上比较输出。

所以模型架构将是这样的：

model.add(keras.layers.SimpleRNN(7, activation='tanh', 
                       return_sequences=True, 
                        input_shape=[7,7]))
model.add(keras.layers.Dense(7))
model.summary()

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
simple_rnn_12 (SimpleRNN)    (None, 7, 7)              105       
_________________________________________________________________
dense_2 (Dense)              (None, 7, 7)              56        
=================================================================
Total params: 161
Trainable params: 161
Non-trainable params: 0
_________________________________________________________________

现在在训练时，它期望两个input and output维度的数据。(num_samples, seq_length, input_dims)(15000, 7, 7)

model.compile(loss='categorical_crossentropy', optimizer='adam')# define any loss, you want
model.fit(x_train, y_train, epochs=2)

推荐阅读