Question

我的代码如下：

lr = 1e-3
window_length = 1
emb_size = 100
look_back = 10

expert_model = Sequential()
expert_model.add(Embedding(num_classes + 1, emb_size, input_length=look_back,mask_zero=True))
expert_model.add(LSTM(64, input_shape=(look_back,window_length)))
expert_model.add(Dense(num_classes, activation='softmax'))

我所要做的就是将大小为10的类的列表传递给嵌入层，然后传递给LSTM来预测下一类。也许该列表的长度不是10，所以我将mask_zero属性设置为True，并为嵌入层的词汇表添加了一个额外的值。这是正确的吗？

此外，我不确定window_length是什么意思。这是否意味着要传递给嵌入的序列数？当我尝试运行此命令时，出现此错误：

ValueError: Error when checking input: expected embedding_13_input to have 2 dimensions, but got array with shape (1, 1, 0)

要预处理数据，我使用Processor对象，因为此模型用于称为“ RecoGym”的OpenAI环境。该类如下：

class RecoProcessor(Processor):
    def process_observation(self, observation):
        if observation is None:
            return np.array([], dtype='float32')
        return np.array(observation, dtype='float32')

    def process_state_batch(self, batch):
        return np.array(batch).astype('float32')

    def process_reward(self, reward):
        return np.array(reward).astype('float32')

    def process_demo_data(self, demo_data):
        for step in demo_data:
            step[0] = self.process_observation(step[0])
            step[2] = self.process_reward(step[2])
        return demo_data

请，我需要一些帮助。如果您只能给我一个有关此的教程，我将不胜感激。

ValueError：检查输入时出错：预期embedding_13_input具有2个维，但数组的形状为（1，1，0）

0 个答案: