Question

我正在建立一个RNN来预测多对一的问题。

#Input_X:
[
[1,2,3,4,5,6,7,8,9,10],
[2,3,4,5,6,7,8,9,10,11]
]

#Input_Y:
[
11,
12
]
#Each number represent a category

X=np.reshape(Input_X,(len(Input_X), 10, 1))

y=np.utils.to_catgeorical(Input_Y)  #one hot encode,

我的模型设置：

#####This works 
model=Sequential()
model.add(LSTM(256, input_shape(X.shape[1], X.shape[2])))
model.add(Dense(y.shape[1], activation='softmax'))
model.compile(loss='categorical_crossentrophy', optimizer='adam', metrics=['accuracy'])
model.fit(X,y, ........)

我想尝试使用TimeDistributed（Dense）图层，例如：https://keras.io/layers/wrappers/。所以我将上面的内容改为：

model=Sequential()
model.add(LSTM(256, input_shape(X.shape[1], X.shape[2])))
model.add(TimeDistributed(Dense(y.shape[1], activation='softmax')))
model.compile(loss='categorical_crossentrophy', optimizer='adam', metrics=['accuracy'])
model.fit(X,y, ........)

我收到了AssertionError。哪个报告矩阵大小不是预期的。我错过了哪些步骤？

Answer 1

我认为您需要将return_sequences=True添加到LSTM单元格

```
model=Sequential()
model.add(LSTM(256, return_sequences=True, input_shape(X.shape[1], X.shape[2])))
model.add(TimeDistributed(Dense(y.shape[1], activation='softmax')))
model.compile(loss='categorical_crossentrophy', optimizer='adam', metrics=['accuracy'])
model.fit(X,y, ........)

```

Answer 2

return_sequences=True对我有用。

在OP的问题中，y.shape是（2,1），它有2个样本，只有1个特征，因此不适合“多对多”模型。

在Keras序列模型中添加TimeDistributed（Dense）图层时的AssertionError

2 个答案: