Question

我正在尝试制作自动编码器，并且卡在上述错误中。在Stack Exchange上查看与此相关的其他帖子没有帮助。

这是完整的错误：

InvalidArgumentError: Can not squeeze dim[1], expected a dimension of 1, got 499
 [[{{node metrics_12/acc/Squeeze}}]]
 [[{{node ConstantFoldingCtrl/loss_12/time_distributed_6_loss/broadcast_weights/assert_broadcastable/AssertGuard/Switch_0}}]]

我可以编译我的模型。在这里：

图层（类型）输出形状参数＃
  ================================================== ============== lambda_7（Lambda）（None，499，22）0
  _________________________________________________________________ cu_dnnlstm_14（CuDNNLSTM）（无，300）388800
  _________________________________________________________________ repeat_vector_12（RepeatVect（无，499，300）0
  _________________________________________________________________ cu_dnnlstm_15（CuDNNLSTM）（无，499，50）70400
  _________________________________________________________________ time_distributed_6（TimeDist（None，499，22）1122
  ================================================== ===============总参数：460,322可训练参数：460,322非可训练参数：   0

lambda层采用填充序列的形状（1,499），并将其转换为具有22个可能值的onehot。然后，我将其传递给编码的CuDNNLSTM，重复矢量，另一个CuDNNLSTM，然后传递带有softmax激活的时间分布密集层。

我使用：

model.compile('rmsprop', 'sparse_categorical_crossentropy', metrics=['acc'])

并且：

model.fit(s_min_one, s_min_one,
   batch_size=batchS,
   epochs=epochS,
   verbose = 1,  
   shuffle=True)

这给了我我的错误。

我使用稀疏分类，因此我的数据可以是整数格式，取值范围为0到21（对于22个要素）。而且我不明白为什么该错误期望任何东西的尺寸为1。好像要我翻转列和行？

Answer 1

您的问题与输出的形状有关。 sparse_categorical_crossentropy需要整数目标（请参阅the documentation：“使用sparse_categorical_crossentropy损失时，您的目标应为整数目标。”）

您正在传递形状为(batch_size, 1, 499)的数据作为输入和标签：

model.fit(s_min_one, s_min_one, ...)

那是行不通的，标签的形状必须为(batch_size, 1)或仅仅是(batch_size,)。

我不能完全确定我了解您要完成的工作，但是您似乎需要相应地调整损失函数。

无法挤压dim [1]，预期尺寸为1，得到499

1 个答案: