объединение 2 CNN в автоэнкодер в Керасе - PullRequest
Новая
       6

объединение 2 CNN в автоэнкодер в Керасе

0 голосов
/ 15 октября 2018

Я пытаюсь объединить 2 CNN, а затем отключить их через автокодер, но я всегда получаю одно и то же сообщение об ошибке, говорящее «ValueError: общий размер нового массива должен быть неизменным», не уверен, что не так с моей сетью.

Я заменяю LSTM и CNN на Плотные слои, и это работает.

Спасибо за помощь! 

from keras.layers import Input, Dense, Conv1D, MaxPooling1D, UpSampling1D, Embedding, Dropout, Flatten, Concatenate, LSTM, BatchNormalization, Reshape
from keras.models import Model
from keras import backend as K
from keras.callbacks import TensorBoard


input_address = Input(shape=(38,))
x_address = Reshape((38, 1))(input_address)
x_address = LSTM(125, activation="tanh", return_sequences=True)(x_address)
x_address = Dropout(0.4)(x_address)
x_address = LSTM(125, activation="tanh", return_sequences=True)(x_address)
x_address = Dropout(0.4)(x_address)
x_address = Dense(100, activation = 'relu')(x_address)
x_address = Conv1D(100, 2, activation='relu', padding='same')(x_address)
x_address = MaxPooling1D(2, padding='same')(x_address)
x_address = Dropout(0.5)(x_address)
x_address = Flatten()(x_address)

input_name = Input(shape=(29,))
x_name = Reshape((29, 1))(input_name)
x_name = LSTM(125, activation="tanh", return_sequences=True)(x_name)
x_name = Dropout(0.4)(x_name)
x_name = LSTM(125, activation="tanh", return_sequences=True)(x_name)
x_name = Dropout(0.4)(x_name)
x_name = Dense(100, activation = 'relu')(x_name)
x_name = Conv1D(100, 2, activation='relu', padding='same')(x_name)
x_name = MaxPooling1D(2, padding='same')(x_name)
x_name = Dropout(0.5)(x_name)
x_name = Flatten()(x_name)

merge = Concatenate(name="concat", axis=1)([x_name, x_address])
encoder = Dense(1, activation = 'relu')(merge)


xd_address = Reshape((19, 100))(encoder)
xd_address = UpSampling1D(2)(xd_address)
xd_address = Conv1D(100, 2, activation='relu', padding='same')(xd_address)
xd_address = Dropout(0.4)(xd_address)
xd_address = LSTM(125, activation="tanh", return_sequences=True)(xd_address)
xd_address = Dropout(0.4)(xd_address)
xd_address = LSTM(125, activation="tanh", return_sequences=True)(xd_address)
xd_address = Flatten()(xd_address)

xd_name = Reshape((15, 100))(encoder)
xd_name = UpSampling1D(2)(xd_name)
xd_name = Conv1D(100, 2, activation='relu', padding='same')(xd_name)
xd_name = Dropout(0.4)(xd_name)
xd_name = LSTM(125, activation="tanh", return_sequences=True)(xd_name)
xd_name = Dropout(0.4)(xd_name)
xd_name = LSTM(125, activation="tanh", return_sequences=True)(xd_name)
xd_name = Flatten()(xd_name)

autoencoder = Model(inputs=[input_name, input_address], outputs=[xd_name, xd_address])
autoencoder.compile(optimizer='adam', loss=['mse', 'mse'])

autoencoder.summary()

autoencoder.fit([name_train, address_train], [name_train, address_train]
                 ,epochs=10
                 ,batch_size=120
                 ,shuffle=True
                 ,validation_data=([name_test, address_test], [name_test, address_test])
                 ,callbacks=[TensorBoard(log_dir='/tmp/autoencoder')])

Вот сообщение об ошибке, которое я получаю 

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-132-19e453d673b6> in <module>()
     33 
     34 
---> 35 xd_address = Reshape((19, 100))(encoder)
     36 xd_address = UpSampling1D(2)(xd_address)
     37 xd_address = Conv1D(100, 2, activation='relu', padding='same')(xd_address)

~\Anaconda3\lib\site-packages\keras\engine\base_layer.py in __call__(self, inputs, **kwargs)
    472             if all([s is not None
    473                     for s in to_list(input_shape)]):
--> 474                 output_shape = self.compute_output_shape(input_shape)
    475             else:
    476                 if isinstance(input_shape, list):

~\Anaconda3\lib\site-packages\keras\layers\core.py in compute_output_shape(self, input_shape)
    392             # input shape known? then we can compute the output shape
    393             return (input_shape[0],) + self._fix_unknown_dimension(
--> 394                 input_shape[1:], self.target_shape)
    395 
    396     def call(self, inputs):

~\Anaconda3\lib\site-packages\keras\layers\core.py in _fix_unknown_dimension(self, input_shape, output_shape)
    380             output_shape[unknown] = original // known
    381         elif original != known:
--> 382             raise ValueError(msg)
    383 
    384         return tuple(output_shape)

ValueError: total size of new array must be unchanged

1 Ответ

0 голосов
/ 15 октября 2018

Вы преобразуетесь в размер, который изменяет числовые элементы в исходном тензоре encoder.Вам необходимо:

  1. print(encoder), и это даст вам подсказку о том, какова первоначальная форма.
  2. Обязательно наберите Reshape при сохранении количества элементов.

Вот краткий пример, (100,) не может быть преобразован в (2,45), потому что вы пропустили 10 элементов, т.е. «общий размер нового массива должен быть неизменным».

...