Question

由于某种原因，我无法向模型添加LSTM层：

embed_size=8
LSTM=Sequential()
LSTM.add(Embedding(max_words,embed_size,input_length=max_len))
LSTM.add(LSTM(30, return_sequences=True,name='lstm_layer'))
LSTM.add(GlobalMaxPool1D())
...

我收到以下错误：

      3 LSTM.add(Embedding(max_words,embed_size,input_length=max_len))
----> 4 LSTM.add(LSTM(30, return_sequences=True,name='lstm_layer'))
      5 LSTM.add(GlobalMaxPool1D())
      6 LSTM.add(Dropout(0.1))

C:\anaconda3\lib\site-packages\keras\engine\base_layer.py in __call__(self, inputs, **kwargs)
    438             # Raise exceptions in case the input is not compatible
    439             # with the input_spec set at build time.
--> 440             self.assert_input_compatibility(inputs)
    441 
    442             # Handle mask propagation.

C:\anaconda3\lib\site-packages\keras\engine\base_layer.py in assert_input_compatibility(self, inputs)
    283                                  'Received type: ' +
    284                                  str(type(x)) + '. Full input: ' +
--> 285                                  str(inputs) + '. All inputs to the layer '
    286                                  'should be tensors.')
    287 

ValueError: Layer sequential_6 was called with an input that isn't a symbolic tensor. Received type: <class 'int'>. Full input: [30]. All inputs to the layer should be tenso

是什么意思？我的嵌入和LSTM之间是否存在尺寸问题？

由于某种原因，如果我使用以下“符号”，则事情似乎可以正常进行：

inp = Input(shape=(800, )) #maxlen=200 as defined earlier for 
embed_size = 256
x = Embedding(20000, embed_size)(inp) #maximum dictionary ###outputs a 3D-Sensor
x = LSTM(120, return_sequences=True,name='lstm_layer')(x)

有什么问题吗？

谢谢

KS

Answer 1

只是您的命名空间中的一个问题，您覆盖了导入的LSTM层。将模型名称中的LSTM更改为lstm。

from keras import Sequential, Model
from keras.layers import Embedding,LSTM, GlobalMaxPool1D
embed_size=8
max_len = 1000
max_words = 10
lstm=Sequential()
lstm.add(Embedding(max_words,embed_size,input_length=max_len))
lstm.add(LSTM(30, return_sequences=True,name='lstm_layer'))
lstm.add(GlobalMaxPool1D())

工作正常

对新手的详细说明：
import语句设置名为LSTM的本地引用，该引用是实现Keras层的类。然后，它在语句LSTM=Sequential()中被覆盖。现在，名称LSTM是Keras顺序模型的实例。最后，在语句LSTM.add(LSTM(...))中，内部操作LSTM(..)是对模型的调用，由__call__类的Sequential方法实现（此功能是python固有的）。因此抛出的错误表明 sequential_6被调用的输入不是符号张量... ，这意味着Sequential类的实例（自动命名为框架调用了serial_6 ），但其输入与实现不兼容。此断言在__call__类的Sequential实现中。

嵌入层后的LSTM-值错误：不是符号张量吗？

1 个答案: