Question

我正在进行多重嵌入，需要将所有嵌入层连接在一起进行培训。但是，我一直得到索引[1,0] = 7不在[0.7]错误中。

这是我做的：

models = []

i0 = Input(shape=(1,),name='model_store')

model_store = Embedding(1115,10,input_length=1)(i0)

model_store = Reshape(target_shape=(10,))(model_store)

models.append(model_store)

i1 = Input(shape=(1,),name='model_dow')

model_dow = Embedding(7,6,input_length=1)(i1)

model_dow = Reshape(target_shape=(6,))(model_dow)

models.append(model_dow)

i2 = Input(shape=(1,),name='model_promo')

model_promo = Dense(1,input_dim=1)(i2)

models.append(model_promo)

# there are 8 embedding and 3 dense layers in models.

# then, I do:

net = Concatenate()(models)

net = Dense(1000,kernel_initializer='uniform',activation='relu')(net)

# another dense layer

output = Dense(1,activation='relu')(net)

model = Model(inputs = [i0,i1,i2,...i10],outputs = output)

model.compile(loss='mean_absolute_error',optimizer='adam')

但是当我做model.fit（）时，我得到的索引[] =不在[）错误中。

进入i0，i1，...，i10的输入类似于数组（[[1]，[2]，[3]，...]），所有长度为1的输入。

我还试图用Flatten（）图层替换Reshape（）图层，但是得到了同样的错误。

有人，请帮忙。

Answer 1

好吧，我发现了问题。

我没有以正确的形状提供数据。在Sequential API中，multiplue网络输入的输入数据应该是ndarrays列表（dict也可以工作）。虽然它说ndarray列表仍然适用于Functional API，但它在我的情况下并不起作用，可能是由于某些订单问题。 我使用输入名称（＆＃39; model_store＆＃39;，＆＃39; model_dow＆＃39; ...）作为键使用ndarrys字典，并且它有效。

keras concatenate嵌入层获取索引错误

1 个答案: