时间戳

首页 > 解决方案 > Keras 功能 API 嵌入层输出到 LSTM

python - Keras 功能 API 嵌入层输出到 LSTM

问题描述

将嵌入层的输出传递给 LSTM 层时，我遇到了一个ValueError我无法弄清楚的问题。我的模型是：

def lstm_mod(self, n_cells,batch_size):
        input = tf.keras.Input((self.n_seq, self.n_features))
        embedding = tf.keras.layers.Embedding(batch_size,self.n_seq,input_length=self.n_clusters)(input)
        x= tf.keras.layers.LSTM(n_cells)(embedding) 
        out = tf.keras.layers.Dense(1)(x)
        model = tf.keras.Model(input, out,name="LSTM")
        model.compile(loss='mse', optimizer='Adam')
        return model

错误是：

ValueError: Input 0 of layer lstm is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: [None, 128, 7, 128]

鉴于传递给模型输入和嵌入层的维度通过模型的参数是一致的，我对此感到困惑。任何指导表示赞赏。

标签： pythontensorflowkeraslstmembedding

解决方案

None当您通过模型提供数据时，Keras 添加了一个额外的维度 ( )，因为它会批量处理您的数据。

在这一行：

input = tf.keras.Input((self.n_seq, self.n_features))

您已经定义了一个二维输入，并且 Keras 添加了一个第三维（批次），因此expected ndim=3.

但是，传递给输入层的数据是 4 维的，这意味着您的实际输入数据形状是 3 维 + 批次维度，而不是 2 维 + 批次。

要解决此问题，您需要将 3-D 输入重新整形为 2-D，或者向输入形状添加额外的维度。

打印出 和 的值self.n_seq并 self.n_features找出形状中缺少的内容128, 7, 128，这应该可以指导您需要添加的内容。

推荐阅读