Question

我正在尝试将可变大小的序列输入LSTM。因此，我使用的是生成器，批处理大小为1。
我有一个(sequence_length,)输入张量，该张量已嵌入，并输出(batch_size, sequence_length, embeding_dimension)张量。
并行地，我拥有的其他输入数据的大小为(sequence_length, features)，即(None, 10)，我想将其重塑为(batch_size, sequence_length, features)，即(None, None, 10)。

我尝试将Keras Reshape-Layer与target_shape (-1, 10)一起使用，这相当于将(None, 10)展开为(None, None, 10)，但是我收到的是一个(None, 1, 10)张量，这使得无法将其与嵌入的数据连接起来以将其馈送到LSTM。
我的代码：

cluster = Input(shape=(None,))
embeded = Embedding(115, 25, input_length = None)(cluster)

features = Input(shape=(10,)) #variable
reshape = Reshape(target_shape=(-1, 10))(features)

merged = Concatenate(axis=-1)([embeded, reshape])

[...]

model.fit_generator(generator(), steps_per_epoch=1, epochs=5)

输出：

[...]
ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, None, 25), (None, 1, 10)]

如何在Keras中将(None, 10)重塑为(None, None, 10)张量？

Answer 1

与在NumPy中进行重塑相比，这样做Keras不会有任何好处。您可以：

# perform reshaping prior to passing to Keras
features = Input(shape=(None, 10))

，并在传递给Keras之前执行重塑，在此处输入中实际有batch_size和sequence_length可用。

如何在Keras中将（None，10）维张量重塑为（None，None，10）？

1 个答案: