我想使用帶張量流後端的Keras順序模型來生成RNN。當我執行下面的代碼:重塑的輸入是一個帶有2 *「batch_size」值的張量,但所要求的形狀有「batch_size」
batch_size = 8
batch_inputshape = (batch_size,x_train.shape[1],x_train.shape[2])
print(batch_inputshape) #(8, 600, 103)
model = Sequential()
model.add(LSTM(103,
batch_input_shape = batch_inputshape,
return_sequences = True,
stateful = True))
model.add(Dropout(0.2))
model.add(LSTM(50,
return_sequences = True,
stateful = True))
model.add(Dropout(0.2))
model.add(TimeDistributed(Dense(10)))
model.add(TimeDistributed(Dense(2)))
model.add(Activation('softmax'))
model.compile(loss= ncce, optimizer='adam')
print (model.output_shape) #(8, 600, 2)
model.fit(x_train,y_train, batch_size = batch_size,
nb_epoch = 1, validation_split=0.25)
我得到了如下錯誤信息:
輸入重塑是16個值的張量,但被請求的形狀有8
但無論我將batch_size更改爲錯誤將僅遵循以下公式:
輸入重塑是一個張量,其值爲2 * batch_size
,但請求的sha pe有batch_size
我已經看過其他Q&A,但我認爲他們沒有多大幫助。或者我不太瞭解答案。
任何幫助將不勝感激!
編輯: 作爲請求的輸入和目標的形狀:
print(x_train.shape) #(512,600,103)
print(y_train.shape) #(512,600,2)
編輯2:
from functools import partial
import keras.backend as K
from itertools import product
def w_categorical_crossentropy(y_true, y_pred, weights):
# https://github.com/fchollet/keras/issues/2115#issuecomment-274101310 #
nb_cl = len(weights)
final_mask = K.zeros_like(y_pred[:, 0])
y_pred_max = K.max(y_pred, axis=1)
y_pred_max = K.reshape(y_pred_max, (K.shape(y_pred)[0], 1))
y_pred_max_mat = K.cast(K.equal(y_pred, y_pred_max), K.floatx())
for c_p, c_t in product(range(nb_cl), range(nb_cl)):
final_mask += (weights[c_t, c_p] * y_pred_max_mat[:, c_p] * y_true[:, c_t])
return K.categorical_crossentropy(y_pred, y_true) * final_mask
w_array = np.ones((2,2))
w_array[1, 0] = 100
print(w_array)
ncce = partial(w_categorical_crossentropy, weights=w_array)
ncce.__name__ ='w_categorical_crossentropy
EDIT 3:UPDATE
隨着@Nassim奔幫助,他發現問題在於損失函數。他發佈了一個具有常規損失函數的代碼,然後它工作得很好。但是,自定義丟失函數代碼不起作用。正如這個問題的任何讀者可以看到我上面發佈我的costum損失函數,並有問題。目前我還不知道爲什麼存在這個錯誤,但這是目前的狀態。
在您的自定義損失 - 您想要應用您的最大功能的哪個維度?要排序維度還是要素維度? –
更新我的帖子,它現在應該工作。它正在我身邊 –