Я внедрил следующую модель, чтобы получить вывод массива из ввода предложения
EMBEDDING_SIZE = 128
HIDDEN_LAYER_SIZE = 64
BATCH_SIZE = 32
NUM_EPOCHS = 10
model = Sequential()
model.add(Embedding(MAX_NB_WORDS, EMBEDDING_SIZE,
input_length=MAX_SEQUENCE_LENGTH))
model.add(LSTM(HIDDEN_LAYER_SIZE))
model.add(Dense(5))
model.add(Activation("sigmoid"))
model.compile(loss="binary_crossentropy", optimizer="adam",
metrics=["accuracy"])
history = model.fit(xtrain, ytrain, batch_size=BATCH_SIZE,
epochs=NUM_EPOCHS,
validation_data=(xtest, ytest))
Теперь я хочу передать дополнительные данные каждому предложению.Данные должны быть закодированы в одно горячее значение до пяти ([1,0,0,0,0] до [0,0,0,0,1])
Выходной слой не долженбольше не будет вектором длины 5, вместо этого он должен быть закодированным в одну горячую единицу длиной 3. Поэтому я думаю, что для вывода мне просто нужно изменить длину плотного слоя на 3, а функцию потерь на категориальную кросс-энтропию.
Как бы я добавил к каждому входу дополнительные данные и сохранил бы слой внедрения?