![](/img/trans.png)
[英]Sequence-to-sequence classification with variable sequence lengths in Keras
[英]Keras sequence classification in python
我正在嘗試在python 3中使用keras進行序列分類。我正在嘗試對單詞序列進行分類。 在我的數據中,我使用了word_2_vec將這些單詞轉換為形狀為300的數組。我的訓練數據如下
X->單詞向量列表的列表(所有單詞向量列表的長度均為50個單詞向量)
Y->列出經過熱編碼的正確類的列表(例如:[[0,0,1],[1,0,0],[1,0,0] ...])
當我嘗試初始化模型並使其適合數據時,我不斷收到錯誤消息。 我是初次使用keras進行深度學習的人。 我的模型的層應該是什么。 我得到的另一個特殊錯誤是我的input_shape不正確。 在這種情況下,我的input_shape是什么?
碼:
training_data = []
with open(INTENT_RECOGNITION_TRAINING, 'r') as json_file:
json_obj = json.load(json_file)
for data in json_obj['data']:
for query in data['queries']:
words = [START_TOKEN] + word_tokenize(query[0]) + [END_TOKEN]
if len(words) > JText.MAX_QUERY_LENGTH:
JText.MAX_QUERY_LENGTH = len(words)
training_data.append((words, data['intent']))
training_data = [(JText._pad_sequence(ws, JText.MAX_QUERY_LENGTH), intent) for (ws, intent) in training_data]
for i in range(len(training_data)):
if training_data[i][1] not in JText.INTENTS:
JText.INTENTS.append(training_data[i][1])
query_vector = []
for w in training_data[i][0]:
if w in JText.WORD2VEC.vocab:
query_vector.append(JText.WORD2VEC[w])
else:
query_vector.append(np.zeros(300))
training_data[i] = (query_vector, training_data[i][1])
random.shuffle(training_data)
X_train = [tup[0] for tup in training_data]
y_train = [tup[1] for tup in training_data]
y_labelencoder = LabelEncoder()
y_train = y_labelencoder.fit_transform(y_train).reshape(-1, 1)
y_onehotencoder = OneHotEncoder(categorical_features=[0])
y_train = y_onehotencoder.fit_transform(y_train).toarray()
recognizer = Sequential([
LSTM(100, input_shape=(JText.MAX_QUERY_LENGTH, 300)),
Dense(len(JText.INTENTS), activation='sigmoid')
])
recognizer.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
recognizer.fit(X_train, y_train, nb_epoch=100, batch_size=10)
收到此錯誤:
Exception: Error when checking model input: expected lstm_input_1 to have 3 dimensions, but got array with shape (21, 1)
沒有keras模型代碼或錯誤消息,很難提供確切的答案。 我將嘗試根據可用信息說明一般解決方案,以提供幫助。
該博客是序列分類的一個很好的例子,應該為初學者提供一些直觀的想法。
希望這可以幫助
更新我正在嘗試做類似的事情,並且遇到了相同的問題。 從您的代碼看來,您似乎正在傳遞形狀為ndarray的列表(seq_len,300)。 Keras期望3D numpy數組而不是numpy數組的列表。
這就是我重新配置訓練數據的方式
X_train = np.zeros((len(training_data,MAX_QUERY_LENGTH,300))
for i in range(len(training_data)):
tup = training_data[i]
X_train[i,:,:]=tup[0]
上面的代碼沒有經過優化,但是它最好地傳達了所需的更改,以使LSTM層接受您的輸入
希望這可以幫助
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.