ValueError: Ошибка при проверке цели: ожидалось, что c_acti будет иметь shape (10,), но получит массив с shape (1,) - PullRequest
Новая
       41

ValueError: Ошибка при проверке цели: ожидалось, что c_acti будет иметь shape (10,), но получит массив с shape (1,)

0 голосов
/ 16 декабря 2018

Я пытаюсь построить двунаправленный LSTM.Вот как выглядит исходный код: 

model1 = Sequential()
model1.add(Embedding(vocabulary_size1, 50, 
weights=[embedding_matrix_passage], trainable=False))
model1.add(Bidirectional(LSTM(64)))
model1.add(Dropout(0.5))
model1.add(Dense(10, activation='softmax'))

model2 = Sequential()
model2.add(Embedding(vocabulary_size2, 50, 
weights=[embedding_matrix_query], 
trainable=False))
model2.add(Bidirectional(LSTM(64)))
model2.add(Dropout(0.5))
model2.add(Dense(10, activation='softmax'))

concat = concatenate([model1.output,model2.output])
x = Dense(10,name='c_dense')(concat)
out = Activation('softmax',name='c_acti')(x)
model = Model([model1.input, model2.input], out)
model.compile('adam', 'categorical_crossentropy', 
metrics=['accuracy'])



model.fit([passage_padded_data,query_padded_data], np.array(labels), epochs=2, verbose=1)

Я получаю следующую ошибку, когда пытаюсь выполнить выражение соответствия: 

ValueError: Error when checking target: expected c_acti to have shape (10,) but got array with shape (1,)

Когда я запустил model.summary() сводкуМодель выглядит так: 

Layer (type)                    Output Shape         Param #     Connected to                     

embedding_29_input (InputLayer) (None, None)         0                                            

embedding_30_input (InputLayer) (None, None)         0                                            

embedding_29 (Embedding)        (None, None, 50)     7626350     embedding_29_input[0][0]         

embedding_30 (Embedding)        (None, None, 50)     1134300     embedding_30_input[0][0]         

bidirectional_27 (Bidirectional) (None, 128)          58880       embedding_29[0][0]               

bidirectional_28 (Bidirectional) (None, 128)          58880       embedding_30[0][0]               

dropout_27 (Dropout)            (None, 128)          0        bidirectional_27[0][0]           

dropout_28 (Dropout)            (None, 128)          0        bidirectional_28[0][0]           

dense_27 (Dense)                (None, 10)           1290        dropout_27[0][0]                 

dense_28 (Dense)                (None, 10)           1290        dropout_28[0][0]                 

concatenate_13 (Concatenate)    (None, 20)           0           dense_27[0][0]                   
                                                                 dense_28[0][0]                   

c_dense (Dense)                 (None, 10)           210       concatenate_13[0][0]             

c_acti (Activation)             (None, 10)           0           c_dense[0][0]                    
-----------------------
Total params: 8,881,200
Trainable params: 120,550
Non-trainable params: 8,760,650

Что может быть возможным решением этой проблемы?

1 Ответ

0 голосов
/ 16 декабря 2018

Возможно, вы забыли кодировать ярлыки в одно касание (т. Е. Они представляют собой разреженные ярлыки, например 0, 1, 2, 3, ..., 9).Поэтому либо измените функцию потерь на 'sparse_categorical_crossentropy': 

model.compile(optimizer='sparse_categorical_crossentropy', ...)

Или, в качестве альтернативы, закодируйте их одним нажатием: 

from keras.utils import to_categorical

labels = to_categorical(np.array(labels), num_classes=10)
...