Question

这是我的代码

x_and_h = Concatenate()([x_t_emb, h_t])

这是错误：

ValueError: `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, 16), (1, 64)]

我一直在尝试各种重塑操作以使形状兼容，但这些尝试均失败了：

h_t = tf.reshape(h_t, shape=tf.TensorShape([None, h_t.get_shape()[-1].value])) 
x_t = tf.reshape(x_t, shape=tf.TensorShape([1, x_t.get_shape()[-1].value]))

有人可以告诉我发生了什么事，以及如何解决该问题？

Answer 1

您能否提供有关定义的图层的更多详细信息？

无论如何，对于连接层，必须在同一轴上的两个张量之间至少具有一个尺寸匹配。

为简单起见，您可以轻松地看到“无”与1不匹配，而16与64不匹配。

除此之外，尝试按自己的方式重塑是错误的。最初，h_t的形状为（1，64），并且具有：

h_t = tf.reshape(h_t, shape=tf.TensorShape([None, h_t.get_shape()[-1].value]))

您正尝试将其重塑为（None，64）张量，这在概念上是错误的，因为None表示它可以是任何整数，并且通常表示批次大小。

尝试做同样的问题：

x_t = tf.reshape(x_t, shape=tf.TensorShape([1, x_t.get_shape()[-1].value]))

当您尝试将其重塑为固定形状时，其初始形状为（None，16）。

我认为您应该尝试使h_t层返回形状为（None，1，16）或（None，16）的张量，以便在第一种情况下可以展平然后串联，而仅将concatenate用于第二个。

keras级联失败，形状不兼容

1 个答案: