Question

我正在创建一个多输入模型，其中将CNN模型和LSTM模型连接在一起。 lstm模型包含最近5个事件，而CNN模型包含最后一个事件的图片。两者都经过组织，以使numpy中的每个元素k都匹配5个事件和相应的图片，输出标签也是如此，这是模型应预测的“下一个”事件。

chanDim = -1
inputs = Input(shape=inputShape)
x = inputs
x = Dense(128)(x)
x = Activation("relu")(x)
x = BatchNormalization(axis=chanDim)(x)
x = Dropout(0.3)(x)
x = Flatten()(x)

x = Activation("relu")(x)
x = BatchNormalization(axis=chanDim)(x)
x = Dropout(0.1)(x)

x = Activation("relu")(x)
model_cnn = Model(inputs, x)

这将创建CNN模型，以下代码代表LSTM模型

hidden1 = LSTM(128)(visible)
hidden2 = Dense(64, activation='relu')(hidden1)
output = Dense(10, activation='relu')(hidden2)
model_lstm = Model(inputs=visible, outputs=output)

现在，当我组合这些模型并使用简单的密集层对其进行扩展以对14个类进行多类预测时，所有输入都匹配，因此我可以将（none，10）和（none，10）合并为（没有，对于MLP为20）：

x = Dense(14, activation="softmax")(x)
model_mlp = Model(inputs=[model_lstm.input, model_cnn.input], outputs=x)

一切正常，直到我尝试编译模型，这给我一个关于mlp模型最后一个密集层输入的错误：

ValueError：检查目标时出错：预期density_121的形状为（14，），但数组的形状为（1，）

您知道这怎么可能吗？如果您需要更多信息，我们很乐意提供

Answer 1

您的目标必须是（无，14）维。使用softmax，您必须对输出进行一键编码

尝试一下：

y = pd.get_dummies(np.concatenate([y_train, y_test])).values
y_train = y[:len(y_train)]
y_test = y[len(y_train):]

多输入模型中的ValueError

1 个答案: