Question

我正在尝试使用Keras（tf作为后端）创建一个暹罗网络，以查找重复的问题。但我面临输出层中形状不匹配的问题，输出形状显示为（64,1），即使输出是形状（64，）。

这就是我的模型的样子：

inp_layer_1 = Input((maxlen,))
embed_1 = Embedding(n_feat_1+1, embed_size, input_length=maxlen)(inp_layer_1)
bi_layer_1 = Bidirectional(LSTM(128, return_sequences=True, dropout=0.2, recurrent_dropout=0.2))(embed_1)
avg_pool_1 = GlobalAveragePooling1D()(bi_layer_1)
drop_1 = Dropout(0.2)(avg_pool_1)
dense_1 = Dense(256, activation='relu')(drop_1)
out_1 = Lambda(lambda x: K.l2_normalize(x, axis=1))(dense_1)

inp_layer_2 = Input((maxlen,))
embed_2 = Embedding(n_feat_2+1, embed_size, input_length=maxlen)(inp_layer_2)
bi_layer_2 = Bidirectional(LSTM(128, return_sequences=True, dropout=0.2, recurrent_dropout=0.2))(embed_2)
avg_pool_2 = GlobalAveragePooling1D()(bi_layer_2)
drop_2 = Dropout(0.2)(avg_pool_2)
dense_2 = Dense(256, activation='relu')(drop_2)
out_2 = Lambda(lambda x: K.l2_normalize(x, axis=1))(dense_2)

lambda_merge = Lambda(eucl_dist)([out_1, out_2])
final_model = Model(inputs=[inp_layer_1, inp_layer_2], outputs=lambda_merge)

所以，基本上我试图找到两个模型的输出之间的欧氏距离，代表两个问题。此外， maxlen = 100 ， n_feat_1 和 n_feat_2 分别是所有问题1和问题2的功能（代币）数量。

以下是我创建批量样本的方法：

def _get_train_batch(batch_size=64):

    X = []

    idx = np.random.choice(404290, batch_size)
    X.append(ques1_train[idx])
    X.append(ques2_train[idx])
    X = np.asarray(X)

    y = train_df.iloc[idx, 5].values
    return [X[0, :, :], X[1, :, :]], y

在上面的代码中， ques1_train 是一个形状数组（404290，maxlen = 100），由来自训练集的question1的vocab的标记序列组成。类似于 ques2_train 的情况。 train_df 是形状（404290,6）的训练数据帧，我从中取出结果（1或0），表示两个问题是否相同（1）或不是（0）。

这是我的培训代码：

loss = []
for ep in range(1):
    for it in range(404290 // 64):
        X, y = _get_train_batch()
        print (y.shape)
        loss.append(final_model.train_on_batch(X, y))

这是我得到的错误（图片）： valuerror

你可以看到在第一行打印的形状是我输出的形状，即（64，）。有趣的是，我创建了一个用于图像分类的暹罗网络，使用几乎相似的代码，并且它有效。

我会感激一些见解。

由于 Ankit Paliwal

Answer 1

嘿，我不知道您是否还有这个问题。我只是混合使用tensorflow和keras而已。最后，规定最后一个lambda层的output_shape就解决了它。对您来说，将是：Lambda(eucl_dist,,output_shape = (1,))([out_1, out_2]) （如果我是对的）

Keras：不能为具有形状'（？，）'的Tensor提供形状值（64,1）

1 个答案: