Невозможно создать GAN с Keras и двумя идентичными моделями RNN как для генератора, так и для дискриминатора - PullRequest
Новая
       26

Невозможно создать GAN с Keras и двумя идентичными моделями RNN как для генератора, так и для дискриминатора

0 голосов
/ 30 сентября 2019

У меня есть фрагмент кода с двумя идентичными моделями RNN, пытающимися создать порождающую состязательную сеть.

Ошибка: ValueError: Недопустимый размер сокращения 2 для ввода с двумя измерениями. для 'sequential_1 / simple_rnn_1 / Sum' (op: 'Sum') с формами ввода: [?, 19], [2] и с вычисленными тензорами ввода: input [1] = <1 2>.

Я получаю ошибку, указанную выше, и я действительно не понимаю, почему.

На данный момент нет соответствия данных. Я просто отлаживаю эти 3 функции (создать генератор, создать дискриминатор, создать GAN)

Я уже пробовал отлаживать его и изменять значения, я действительно не понимаюне понимаю, в чем проблема. 

# define the standalone discriminator model
def define_discriminator(in_shape=(44,19)):
    model = Sequential()
    #3D tensor with shape (batch_size, timesteps, input_dim). Keras convention says batch size is ommited.
    #Input shape is (sample size, time steps, number of input features)
    model.add(SimpleRNN(units=19, return_sequences=True, input_shape=in_shape))
    model.add(SimpleRNN(units=30, return_sequences=True))
    model.add(SimpleRNN(units=30))
    model.add(Dense(units=1))
    model.add(LeakyReLU(alpha=0.2))
    model.add(Dense(19, activation='sigmoid'))
    # compile model
    opt = Adam(lr=0.0002)
    model.compile(loss='mean_absolute_error', optimizer=opt, metrics=['accuracy'])
    #metrics=[keras_metrics.precision(), keras_metrics.recall()
    return model

# define the standalone generator model
def define_generator(in_shape=(44,19)):
    # foundation for 7x7 image
    model = Sequential()
    # 3D tensor with shape (batch_size, timesteps, input_dim).
    # Input shape is (sample size, time steps, number of input features)
    model.add(SimpleRNN(units=19, return_sequences=True,input_shape=in_shape))
    model.add(SimpleRNN(units=30, return_sequences=True))
    model.add(SimpleRNN(units=30))
    model.add(Dense(units=1))
    model.add(LeakyReLU(alpha=0.2))
    model.add(Dense(19, activation='sigmoid'))
    # compile model
    opt = Adam(lr=0.0002)
    model.compile(loss='mean_absolute_error', optimizer=opt, metrics=['accuracy'])
    # metrics=[keras_metrics.precision(), keras_metrics.recall()
    return model

# define the combined generator and discriminator model, for updating the generator
def define_gan(g_model, d_model):
    # make weights in the discriminator not trainable
    d_model.trainable = False
    # connect them
    model = Sequential()
    # add generator
    model.add(g_model)
    # add the discriminator
    model.add(d_model)
    # compile model
    opt = Adam(lr=0.0002)
    model.compile(loss='mean_absolute_error', optimizer=opt)
    return model

На данный момент я просто хочу обучить GAN на данных с 44 строками и 19 столбцами.

Заранее спасибо!

...