Keras 功能 API 嵌入层 output 到 LSTM

Question

将嵌入层的 output 传递到 LSTM 层时，我遇到了我无法弄清楚的ValueError 。 我的 model 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 model 输入和嵌入层的尺寸通过 model 的 arguments 是一致的，我对此感到困惑。 任何指导表示赞赏。

Answer 1

当您通过 model 提供数据时，Keras 会添加一个额外的维度 ( None )，因为它会分批处理您的数据。

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self.n_seq和self.n_features的值，找出形状 128、7、128 中缺少的内容128, 7, 128这将指导您了解需要添加的内容。