Функциональный API Keras Модель множественного ввода - PullRequest
Новая
       79

Функциональный API Keras Модель множественного ввода

0 голосов
/ 17 декабря 2018

Я пытаюсь создать модель с несколькими входами с помощью Functional API в Keras с такой структурой:

Multiple Input Model

Существует три входа: Team_1_In, Team_2_In, Home_In.Где Team_1_In и Team_2_In проходят через слой Embedding, затем слои BatchNormalization и Flatten.Проблема в том, что я пытаюсь добавить слой Flatten после BatchNormalization Я получаю эту ошибку: 

---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last) <ipython-input-46-8354b255cfd1> in <module>
     15 batch_normalization_2 = BatchNormalization()(team_2_strength)
     16 
---> 17 flatten_1 = Flatten()(batch_normalization_1)
     18 flatten_2 = Flatten()(batch_normalization_2)
     19 

~/conda/lib/python3.6/site-packages/keras/engine/topology.py in
__call__(self, inputs, **kwargs)
    573                 # Raise exceptions in case the input is not compatible
    574                 # with the input_spec specified in the layer constructor.
--> 575                 self.assert_input_compatibility(inputs)
    576 
    577                 # Collect input shapes to build layer.

~/conda/lib/python3.6/site-packages/keras/engine/topology.py in assert_input_compatibility(self, inputs)
    488                                      self.name + ': expected min_ndim=' +
    489                                      str(spec.min_ndim) + ', found ndim=' +
--> 490                                      str(K.ndim(x)))
    491             # Check dtype.
    492             if spec.dtype is not None:

ValueError: Input 0 is incompatible with layer flatten_10: expected min_ndim=3, found ndim=2

Я пытался играть с параметром оси слоя BatchNormalization, но это не помогло,Вот мой код: 

# create embedding layer
from keras.layers import Embedding
from keras.layers import BatchNormalization, Flatten, Dense
from numpy import unique

# Create an embedding layer
team_lookup = Embedding(input_dim=n_teams,
                        output_dim=1,
                        input_length=1,
                        name='Team-Strength')

# create model with embedding layer
from keras.layers import Input, Embedding, Flatten
from keras.models import Model

# Create an input layer for the team ID
teamid_in = Input(shape=(1,))

# Lookup the input in the team strength embedding layer
strength_lookup = team_lookup(teamid_in)

# Flatten the output
strength_lookup_flat = Flatten()(strength_lookup)

# Combine the operations into a single, re-usable model
team_strength_model = Model(teamid_in, strength_lookup_flat, name='Team-Strength-Model')



# Create an Input for each team
team_in_1 = Input(shape=(1,), name='Team-1-In')
team_in_2 = Input(shape=(1,), name='Team-2-In')

# Create an input for home vs away
home_in = Input(shape=(1,), name='Home-In')

# Lookup the team inputs in the team strength model
team_1_strength = team_strength_model(team_in_1)
team_2_strength = team_strength_model(team_in_2)

batch_normalization_1 = BatchNormalization()(team_1_strength)
batch_normalization_2 = BatchNormalization()(team_2_strength)

flatten_1 = Flatten()(batch_normalization_1)
flatten_2 = Flatten()(batch_normalization_2)

# Combine the team strengths with the home input using a Concatenate layer, then add a Dense layer
out = Concatenate()([flatten_1, flatten_2, home_in])
out = Dense(1)(out)

1 Ответ

0 голосов
/ 17 декабря 2018

Как показано в ошибке, вам нужен 3D-тензор для слоя Flatten : 

ValueError: Input 0 is incompatible with layer flatten_10: expected min_ndim=3, found ndim=2

В первой части кода, где вы передали свои данные в слой внедрениявсе в порядке и успешно компилируется: 

team_lookup = Embedding(input_dim=1,
                        output_dim=1,
                        input_length=1,
                        name='Team-Strength')

strength_lookup = team_lookup(teamid_in)

batch_normalization_1 = BatchNormalization()(strength_lookup)

strength_lookup_flat = Flatten()(batch_normalization_1)

team_strength_model = Model(teamid_in, strength_lookup_flat, name='Team-Strength-Model')
team_strength_model.compile(optimizer='adam', loss='categorical_crossentropy')

Но во второй части кода, где вы передаете входные данные для team_strength_model, он сглаживает тензоры, которые их форма преобразовала в (batch, flatten).Когда вы передаете этот 2D-тензор в BatchNormalization, он выдает такое исключение.

Чтобы исправить проблему :

1) Передайте ввод в слой Embedding

2) Do BatchNormalization

3) Сглаживание вывода BatchNormalization

...