Question

当我在顺序模型中添加lambda层时，它会出现ValueError：输入0与...不兼容。

对于此模型，我得到ValueError: Input 0 is incompatible with layer flatten_1: expected min_ndim=3, found ndim=2

model1 = Sequential()
model1.add(Embedding(max_words, embedding_dim, input_length=maxlen))
model1.add(Lambda(lambda x: mean(x, axis=1)))
model1.add(Flatten())
model1.add(Bidirectional(LSTM(32)))
model1.add(Dropout(0.6))
model1.add(Dense(2))

如果我删除Flatten()，则会得到：ValueError: Input 0 is incompatible with layer bidirectional_1: expected ndim=3, found ndim=2。但是，没有lambda层，模型可以正常工作。

任何引起此问题以及如何解决此问题的想法将不胜感激。谢谢

Answer 1

下面的代码生成了一个看起来正确的图形：

from tensorflow.python import keras
from keras.models import Sequential
from keras.layers import *
import numpy as np

max_words = 1000
embedding_dim = 300
maxlen = 10

def mean(x, axis):
  """mean
     input_shape=(batch_size, time_slots, ndims)
     depending on the axis mean will:
       0: compute mean value for a batch and reduce batch size to 1
       1: compute mean value across time slots and reduce time_slots to 1
       2: compute mean value across ndims an reduce dims to 1.
  """
  return K.mean(x, axis=axis, keepdims=True)

model1 = Sequential()
model1.add(Embedding(max_words, embedding_dim, input_length=maxlen))
model1.add(Lambda(lambda x: mean(x, axis=1)))
model1.add(Bidirectional(LSTM(32)))
model1.add(Dropout(0.6))
model1.add(Dense(2))
model1.compile('sgd', 'mse')
model1.summary()

嵌入层使用3个维度（batch_size，maxlen，embedding_dim）。 LSTM层也期望3维。因此，lambda应该返回兼容的形状，或者您需要重塑形状。在这里，K.mean提供了一个方便的参数（keepdims），可以帮助我们做到这一点。

Keras Lambda层给出ValueError：输入0与层xxx不兼容：预期的min_ndim = 3，找到的ndim = 2

1 个答案: