我正在尝试构建一个 LSTM 网络，该网络接收单词序列并将其转换为嵌入向量。我已经将每个单词序列转换为词汇向量。
我使用的批量大小为 32，每个词汇向量的大小为 50。这是我迄今为止用于创建模型并将其转换为估计器的 Keras 功能 API 代码
input_layer = keras.layers.Input(shape=(50,), name='search')
embedding_layer = keras.layers.Embedding(input_dim=32, output_dim=256, input_length=50)(input_layer)
lstm_layer = keras.layers.LSTM(units=256)(embedding_layer)
model = keras.models.Model(inputs=input_layer, outputs=lstm_layer)
model.compile(loss='mean_squared_error', optimizer='adam')
estimator = keras.estimator.model_to_estimator(keras_model=model)
但是这段代码给出了错误
tensorflow.python.framework.errors_impl.InvalidArgumentError: Node 'Adam/gradients/lstm/StatefulPartitionedCall_grad/StatefulPartitionedCall': Connecting to invalid output 5 of source node lstm/StatefulPartitionedCall which has 5 outputs
当我运行model.summary()时，这是输出
Layer (type) Output Shape Param #
=================================================================
search (InputLayer) [(None, 50)] 0
_________________________________________________________________
embedding (Embedding) (None, 50, 256) 8192
_________________________________________________________________
lstm (LSTM) (None, 256) 525312
=================================================================
Total params: 533,504
Trainable params: 533,504
Non-trainable params: 0
_________________________________________________________________
我认为这是我所期望的。我尝试用相同形状的 Dense 和 Flatten 层替换 LSTM 层，代码运行良好
最佳答案
我自己来回答这个问题...截至 7/24 似乎 tf.keras.layers.LSTM 存在问题，如 here 所示。 。我将模型更改为以下内容
input_layer = keras.layers.Input(shape=(50,), name='search')
embedding_layer = keras.layers.Embedding(input_dim=32, output_dim=256,
input_length=50)(input_layer)
lstm_layer = keras.layers.RNN(cell=keras.layers.LSTMCell(units=256))(embedding_layer)
model = keras.models.Model(inputs=input_layer, outputs=lstm_layer)
model.compile(loss='mean_squared_error', optimizer='adam')
estimator = keras.estimator.model_to_estimator(keras_model=model)
关于python - LSTM InvalidArgumentError Tensorflow 2.0/Keras 转换为估计器时出现，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/57172352/