如何在Tensorflow RNN中正确处理一键编码和多维数据 Download

每个序列由2个字母组成，这些字母被编码为“一键热”向量。例如，序列“ BA”为[[0, 1, 0, 0], [1, 0, 0, 0]]。

（这些序列在我的原始代码中更长，但我想让问题保持简单）

我是机器学习的新手，之前我做了一些工作，但仅使用简单输入。我正在努力了解如何将多维输入传递到我的网络中。我需要以某种方式展平吗？

我在这里创建了一个最小可重复的示例- https://www.dropbox.com/s/dhg3huw6bh7dfjd/Example.py?dl=0，Sequences仅包含3个训练数据示例，以使其简单。我只需要帮助确定如何将3d输入传递到模型中即可。

在我提供的代码中，整个数据集如下：

Sequences = [  [[0, 1, 0, 0], [1, 0, 0, 0]]   ,  [[0, 1, 0, 0], [1, 0, 0, 0]]  ,   [[0, 0, 0, 1], [0, 1, 0, 0]]  ]

这是一个二进制分类器，这些序列的目标是：

Targets = [1.0, 1.0, 0.0]

如果运行我提供的代码，则会出现此错误：

ValueError: Input 0 of layer lstm is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: [None, 2, 2, 4]

如果有人可以帮助您弄清楚如何正确地将序列传递到我的网络中，那就太好了。谢谢：）

1 个答案:

答案 0 :(得分：1)

这是罪魁祸首。 LSTM要求3维输入。在您的情况下，您尝试传递4维输入（请记住Keras为输入形状添加了额外的批处理尺寸）。因此，摆脱第一个2可以解决您的问题。

model.add(LSTM(128,
                   input_shape=(2, 2, 4), return_sequences=True))

只需将其更改为

model.add(LSTM(128,
                   input_shape=(2, 4), return_sequences=True))