Question

我尝试使用keras实现Sentiment-Classifier。但我在batch_size参数中遇到了一些问题。这可能是一个特定的问题，我没有在网上找到任何帮助我的东西。

以下是模型的外观示例：

Input_1                     Input_2             
(None, 200)                 (None, 200)
  |                            |
  |                            |   
Embedding_1                 Embedding_2
(None, 200, 200)            (None, 200, 200)
  |                            |
  |                            |
Reshape_1                   Reshape_2
(32, 200, 200)              (32, 200, 200)
    \                         /
     \                       /
      -----------        ----
                 \      /
                Concatenate(axis=2)
                (32,200,400)
                     |
                     |
                     ...

使用keras.backend中的reshape函数通过Lambda-Layer完成整形：

output = Lambda(lambda x: bd.reshape(x, (batch_size, 200, em_dim)), name='Reshape_Batch_size')(embedded)

我重塑两个嵌入的输出（也使用batch_size），因为keras Concatenate-Layer需要在每个轴上具有相同形状的张量，除了你连接的那个。为了能够进行重塑，我将我的样本数量拟合到batch_size的倍数。如果我想训练我的网络，一切都工作正常，直到最后一批时代。在那里我得到一个错误，即input_values的数量与预期的数量不匹配：

InvalidArgumentError（参见上面的回溯）：重塑的输入是a 张量为320000的值，但请求的形状有1280000 [[Node：Reshape_Batch_size / Reshape = Reshape [T = DT_FLOAT，Tshape = DT_INT32， _device =＆＃34; /作业：本地主机/复制：0 /任务：0 /装置：CPU：0＆＃34;]（Embedding_basic_em /聚集， Reshape_Batch_size /整形/形状）]]

320000 = 8 * 200 * 200
1280000 = 32 * 200 * 200

这看起来像keras正在从最后一批中切割24个样本。但如果我看一下培训的结果，它会告诉我剩下32个样本：

Epoch 1/8 17440/17472 [============================>.] - ETA: 0s - loss: 5.1635 - acc: 0.6796

是否有人知道keras如何处理批次，具体取决于给定的batch_size参数或我在这里丢失的内容？或者也许有人暗示如何在不重塑我的输出的情况下进行连接。

我的配置：

我正在使用Anaconda 4.4.0（x86_64）的Python 3.5.3开发macOS Sierra版本10.12.6。作为keras后端，我使用tensorflow（1.4.0）。 keras的版本是2.1.1

提前致谢

Answer 1

样品总量是多少？它应该是32的倍数，最后一批有32个样本。否则，大小将使用“剩余”样本。

测试它：

assert len(x_train) % 32 == 0

您确定需要重塑吗？

为什么需要重塑层？在keras中，除非在lambda图层中明确更改这些尺寸，否则模型中的不同张量不能有不同的批量大小。

此外，如果输入形状为(None, 200, 200)且输出形状为(32,200,200)，则根本不执行任何操作。张量完全相同。

只需移除这些重塑图层

keras如何根据批量大小构建批次？

1 个答案:

您确定需要重塑吗？