Keras与形状[（1，8），（None，32）]

Question

我的网络由 LSTM和密集部分通过另一个密集部分连接在一起组成，我无法连接大小为[（1，8），（None，32）]的输入。 Reshape和Flatten不起作用。

这是架构：

def build_model_equal(dropout_rate=0.25):

    curve_input_1 = Input(batch_shape=(1, None, 1), name='curve_input_1')
    lstm_1 = LSTM(256, return_sequences=True, dropout=0.1)(curve_input_1)
    lstm_1 = LSTM(64, dropout=0.1)(lstm_1)
    lstm_out = Dense(8)(lstm_1)

    metadata_input = Input(shape=(31,), name='metadata_input')

    dense_1 = Dense(512, activation='relu')(metadata_input)
    dense_1 = BatchNormalization()(dense_1)
    dense_1 = Dropout(dropout_rate)(dense_1)

    dense_out = Dense(32)(dense_1)

    x = keras.layers.concatenate([lstm_out, dense_out], axis=1)

    output_hidden = Dense(64)(x)
    output_hidden = BatchNormalization()(output_hidden)
    output_hidden = Dropout(dropout_rate)(output_hidden)

    output = Dense(n_classes, activation='softmax', name='output')(output_hidden)

    model = Model(inputs=[curve_input_1, metadata_input], outputs=output)
    return model

当我通过

训练该模型时

model.fit([x_train, x_metadata], y_train,
    validation_data=[[x_valid, x_metadata_val], y_valid], 
    epochs=n_epoch,
    batch_size=n_batch, shuffle=True, 
    verbose=2, callbacks=[checkPoint]
)  

我收到错误

  

ValueError：连续图层需要输入的形状与concat轴一致，但形状匹配。 输入了以下形状：[（1，8），（None，32）]

当我添加

的Reshape层时

dense_out = Dense(32)(dense_4)
dense_out = Reshape((1, 32))(dense_out)

x = keras.layers.concatenate([lstm_out, dense_out], axis=1)

我知道

  

ValueError：连续图层需要输入的形状与concat轴一致，但形状匹配。 输入了以下形状：[（1，8），（None，1，32）]

Reshape层input_shape=(32,)或input_shape=(None, 32)参数不会改变情况，误差和形状相同。

将Reshape添加到LSTM中

curve_input_1 = Input(batch_shape=(1, None, 1), name='curve_input_1')
lstm_first_1 = LSTM(256, return_sequences=True, dropout=0.1, name='lstm_first_1')(curve_input_1)
lstm_second_1 = LSTM(64, dropout=0.1, name='lstm_second_1')(lstm_first_1)
lstm_out = Dense(8)(lstm_second_1)
lstm_out = Reshape((None, 8))(lstm_out)

产生错误

  

ValueError：试图将'shape'转换为张量，但失败。错误：不支持任何值。

将concatenate axis参数更改为0，1和-1并没有帮助。

更改Dense零件输入形状无济于事。当我执行metadata_input = Input(shape=(1, 31), name='metadata_input')而不是metadata_input = Input（shape =（31，），name ='metadata_input'）时，会产生一个[(1, 8), (None, 1, 32)]尺寸的错误。

我的猜测是我需要将数据转换为[(1, 8), (1, 32)]或[(None, 8), (None, 32)]的形状，但是Reshape和Flatten层却无济于事。

应该有一种我错过的简便方法。

Answer 1

我认为问题可能是第一个batch_shape使用Input，第二个shape使用。

在第一个输入中，您的批次大小被硬编码为1，并且输入数据具有2个额外的维度：None（未指定）和1。

对于第二个输入，由于您正在使用shape，因此您声明输入的批次大小未指定，数据的一维值为31。

请注意，使用shape=(31,)与使用batch_shape=(None, 31)（来自here）相同。

至少在模型声明时，两者都对我有用（尽管我无法进行拟合，而且我不确定是否遗漏了什么，并且该解决方案不适合您的用例。< / p>

因此，总而言之，您可以尝试：

curve_input_1 = Input(batch_shape=(1, None, 1), name='curve_input_1')
metadata_input = Input(batch_shape=(1, 31), name='metadata_input')

或者：

curve_input_1 = Input(batch_shape=(1, None, 1), name='curve_input_1')
metadata_input = Input(batch_shape=(1, 31), name='metadata_input')

等同于：

curve_input_1 = Input(shape=(None, 1, ), name='curve_input_1')
metadata_input = Input(shape=(31, ), name='metadata_input')

请让我知道这可以奏效，或将您引向正确的方向！