Keras嵌入層導致尺寸問題

Question

我目前正在嘗試使用keras功能API構建的序列到序列自動編碼器中包含一個嵌入層。

模型代碼如下所示：

#Encoder inputs
encoder_inputs = Input(shape=(None,))

#Embedding
embedding_layer = Embedding(input_dim=n_tokens, output_dim=2)
encoder_embedded = embedding_layer(encoder_inputs)

#Encoder LSTM
encoder_outputs, state_h, state_c = LSTM(n_hidden, return_state=True)(encoder_embedded)
lstm_states = [state_h, state_c]


#Decoder Inputs
decoder_inputs = Input(shape=(None,)) 

#Embedding
decoder_embedded = embedding_layer(decoder_inputs)

#Decoder LSTM
decoder_lstm = LSTM(n_hidden, return_sequences=True, return_state=True, )
decoder_outputs, _, _ = decoder_lstm(decoder_embedded, initial_state=lstm_states)


#Dense + Time
decoder_dense = TimeDistributed(Dense(n_tokens, activation='softmax'), input_shape=(None, None, 256))
#decoder_dense = Dense(n_tokens, activation='softmax', )
decoder_outputs = decoder_dense(decoder_outputs)

model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

該模型是這樣訓練的：

model.fit([X, y], X, epochs=n_epoch, batch_size=n_batch)

X和y的形狀為（n_samples，n_seq_len）

模型的編譯工作完美無缺，而在嘗試訓練時，我將始終得到：

ValueError：檢查目標時出錯：預期time_distributed_1具有3個維度，但數組的形狀為（n_samples，n_seq_len）

有人有主意嗎？

Keras版本是2.2.4
Tensorflow后端版本1.12.0

Answer 1

在這樣的自動編碼器中，由於最后一層是softmax分類器，因此您需要對標簽進行一次熱編碼：

from keras.utils import to_categorical

one_hot_X = to_categorical(X)

model.fit([X, y], one_hot_X, ...)

附帶說明一下，由於Dense層應用在最后一個軸上 ，因此無需將Dense層包裝在TimeDistributed層中。