tensorflow - 如果我使用预训练的嵌入模型,为什么 seq2seq 模型会返回负损失
问题描述
我正在按照此示例代码使用 keras 构建 seq2seq 模型。https://github.com/keras-team/keras/blob/master/examples/lstm_seq2seq.py
当我训练该代码时,它可以正常工作并且结果很好。但是当我尝试使用预训练的嵌入模型对其进行训练时,损失和交叉熵总是得到负值。
我尝试仅使用包含 5 个示例的数据集来使模型过拟合,只是为了确保它正常工作,但损失和交叉熵仍然是负数。
我使用 FastText 嵌入模型,这里是使用嵌入向量加载数据集的代码:
encoder_input_data = np.zeros(
(input_texts_len, max_encoder_seq_length,vector_length),
dtype='float32')
decoder_input_data = np.zeros(
(input_texts_len, max_decoder_seq_length,vector_length),
dtype='float32')
decoder_target_data = np.zeros(
(input_texts_len, max_decoder_seq_length,vector_length),
dtype='float32')
padding = np.zeros((vector_length),dtype='float32')
for i, (input_text, target_text) in enumerate(zip(input_texts, target_texts)):
for t, word in enumerate(input_text):
encoder_input_data[i, t] = w2v.get_vector(word)
encoder_input_data[i, t + 1:] = padding
for t, word in enumerate(target_text):
decoder_input_data[i, t] = w2v.get_vector(word)
if t > 0:
decoder_target_data[i, t - 1] = w2v.get_vector(word)
decoder_input_data[i, t + 1:] = padding
decoder_target_data[i, t] = padding
这是模型代码本身:
encoder_inputs = Input(shape=(max_encoder_seq_length,vec_leng,))
x = Masking(mask_value=0.0)(encoder_inputs)
encoder = LSTM(latent_dim,name='lstm_1')
encoder_outputs, state_h, state_c = encoder(x)
encoder_states = [state_h, state_c]
decoder_inputs = Input(shape=(max_decoder_seq_length,vec_leng,))
a = Masking(mask_value=0.0) (decoder_inputs)
decoder_lstm = LSTM(latent_dim,name='decoder_lstm')
decoder_outputs, _, _ = decoder_lstm(a, initial_state=encoder_states)
# Attention layer
attn_layer = AttentionLayer(name='attention_layer')
attn_out, attn_states = attn_layer([encoder_outputs, decoder_outputs])
decoder_concat_input = Concatenate(axis=-1)([decoder_outputs, attn_out])
decoder_dense = Dense(vec_leng, activation='softmax')
dense_time = TimeDistributed(decoder_dense, name='time_distributed_layer')
decoder_pred = dense_time(decoder_concat_input)
model = Model(inputs=[encoder_inputs, decoder_inputs], outputs=decoder_pred, name='main_model')
encoder_model = Model(inputs=encoder_inputs, outputs=[encoder_outputs, state_h, encoder_states], name='encoder_model')
decoder_state_input_h = Input(shape=(latent_dim,))
decoder_state_input_c = Input(shape=(latent_dim,))
encoder_states_ = Input(batch_shape=(1,max_encoder_seq_length, latent_dim))
decoder_states_inputs = [decoder_state_input_h, decoder_state_input_c]
a = Input(shape=(max_decoder_seq_length,vec_leng,))
decoder_outputs, state_h, state_c = decoder_lstm(a, initial_state=decoder_states_inputs)
decoder_states = [state_h, state_c]
attn_inf_out, attn_inf_states = attn_layer([encoder_states_, decoder_outputs])
decoder_inf_concat = Concatenate(axis=-1)([decoder_outputs, attn_inf_out])
decoder_inf_pred = TimeDistributed(decoder_dense)(decoder_inf_concat)
decoder_model = Model(
[encoder_states_, decoder_states_inputs, a],
[decoder_inf_pred, attn_inf_states, decoder_states], name='decoder_model')
我得到这些负值的原因是什么?以及如何解决它们?
解决方案
你得到负损失值是因为你的目标向量元素不正确,你的 one_hot 目标向量元素必须是 1 或 0 整数。
推荐阅读
- .net - 尝试插入具有自动递增 ID 的实体会使 Entity Framework Core 处于时髦状态
- ruby - 当我尝试安装 metasploit 时,termux 上的 ruby 版本出错
- php - 如何通过php访问Json中的数组列表?
- php - 致命错误:未捕获的错误:调用未定义的方法 Cart::hasCart()
- excel - 突出显示选定的行和列
- c# - SignalR - 服务器手动管理客户端连接
- python - 从 .0 获取数据框的所有元素
- linux - 启动 GNU-EFI 操作系统后 qemu 挂起
- java - 使用 Jackson 与 Lombok builder 反序列化
- javascript - javascript用另一个代码替换节点及其所有子节点