我想使用带有张量流后端的 Keras 顺序模型制作 RNN。当我实现以下代码时:
batch_size = 8
batch_inputshape = (batch_size,x_train.shape[1],x_train.shape[2])
print(batch_inputshape) #(8, 600, 103)
model = Sequential()
model.add(LSTM(103,
batch_input_shape = batch_inputshape,
return_sequences = True,
stateful = True))
model.add(Dropout(0.2))
model.add(LSTM(50,
return_sequences = True,
stateful = True))
model.add(Dropout(0.2))
model.add(TimeDistributed(Dense(10)))
model.add(TimeDistributed(Dense(2)))
model.add(Activation('softmax'))
model.compile(loss= ncce, optimizer='adam')
print (model.output_shape) #(8, 600, 2)
model.fit(x_train,y_train, batch_size = batch_size,
nb_epoch = 1, validation_split=0.25)
我收到以下错误消息:
reshape 的输入是一个有 16 个值的张量,但请求的形状有 8 个
但无论我将batch_size更改为错误,都将遵循以下公式:
重塑的输入是一个张量2 * batch_size
值,但要求的形状有batch_size
我看过其他的,但我认为它们对我帮助不大。或者我对答案的理解不够好。
任何帮助将非常感激!
编辑:
根据要求输入和目标的形状:
print(x_train.shape) #(512,600,103)
print(y_train.shape) #(512,600,2)
EDIT 2:
from functools import partial
import keras.backend as K
from itertools import product
def w_categorical_crossentropy(y_true, y_pred, weights):
# https://github.com/fchollet/keras/issues/2115#issuecomment-274101310 #
nb_cl = len(weights)
final_mask = K.zeros_like(y_pred[:, 0])
y_pred_max = K.max(y_pred, axis=1)
y_pred_max = K.reshape(y_pred_max, (K.shape(y_pred)[0], 1))
y_pred_max_mat = K.cast(K.equal(y_pred, y_pred_max), K.floatx())
for c_p, c_t in product(range(nb_cl), range(nb_cl)):
final_mask += (weights[c_t, c_p] * y_pred_max_mat[:, c_p] * y_true[:, c_t])
return K.categorical_crossentropy(y_pred, y_true) * final_mask
w_array = np.ones((2,2))
w_array[1, 0] = 100
print(w_array)
ncce = partial(w_categorical_crossentropy, weights=w_array)
ncce.__name__ ='w_categorical_crossentropy
编辑 3:更新
在@Nassim Ben 的帮助下,他发现问题出在损失函数中。他发布了带有常规损失函数的代码,然后它就可以正常工作了。然而,对于自定义损失函数,该代码不起作用。正如这个问题的任何读者都可以看到的,我在上面发布了我的服装损失函数,并且存在问题。目前我还不知道为什么会出现这个错误,但这就是当前状态。