Question

我知道这类问题已经得到解答（here或here），但所有答案对我都不起作用：

我的X是5000的矢量。

每个xi是一个大小稀疏的矩阵（190000,42）并且y是大小为5000的向量，并且每个yi是大小为190000（稀疏）的向量

X =
array([ <191483x42 sparse matrix of type '<class 'numpy.float64'>'
      with 75431 stored elements in Compressed Sparse Row format>,
      <191483x42 sparse matrix of type '<class 'numpy.float64'>'
      with 182015 stored elements in Compressed Sparse Row format>,
      <191483x42 sparse matrix of type '<class 'numpy.float64'>',], dtype=object)

我想使用TimeDistributed制作一个非常简单的模型。（当我的向量X中只有100个矩阵时，这个工作正常。）

我尝试使用fit_generator来解析每个矩阵，但这并不起作用。

def build_model(): 
   model = Sequential()

   model.add(TimeDistributed(Dense(1, bias=0, W_regularizer=regularizers.l1(0.01)), input_shape=(191483, 42)))
   model.add(Activation("softmax"))
   model.compile(loss="categorical_crossentropy", optimizer="adam", metrics=["accuracy"])
   return model

print ('load model')
model = build_model()


def batch_generator(X, y):
    for i in range(len(X)):
        X_array = X[i].toarray()
        y_array = y[i].toarray()
        yield (X_array,y_array)

model.fit_generator(generator=batch_generator(X, y), samples_per_epoch=10000, nb_epoch=10)

我收到了这个错误：

ValueError: Error when checking model input: expected timedistributed_input_1 to have 3 dimensions, but got array with shape (191483, 42)

感谢您的帮助

稀疏矩阵和keras

0 个答案: