我正在尝试为 NLP 任务实现一个神经网络,其中包含一个卷积层和一个 LSTM 层。我目前正在尝试使用新的 Tensorflow 2.0 来执行此操作。然而,在构建模型时,我遇到了一个我无法理解的错误。
# Input shape of training and validation set
(1000, 1, 512), (500, 1, 512)
模型
model = keras.Sequential()
model.add(keras.layers.InputLayer(input_shape=(None, 512)))
model.add(keras.layers.Conv1D(128, 1, activation="relu"))
model.add(keras.layers.MaxPooling1D((2)))
model.add(keras.layers.LSTM(64, activation="tanh"))
model.add(keras.layers.Dense(6))
model.add(keras.layers.Activation("softmax"))
错误
InvalidArgumentError: Tried to stack elements of an empty list with non-fully-defined element_shape: [?,64]
[[{{node unified_lstm_16/TensorArrayV2Stack/TensorListStack}}]] [Op:__inference_keras_scratch_graph_26641]
首先,我尝试检查使用 LSTM
层实现 Conv1D
层是否存在任何问题。我发现this post ,这表明我 reshape 了卷积层和 lstm 层之间的层。但这仍然不起作用,我得到了一个不同的错误。 This post看起来很相似,但它不使用 Tensorflow 2.0,到目前为止还没有回答。我还发现这篇文章具有相同的堆叠卷积层和 lstm 层的意图。但它使用 Conv2D
而不是 Conv1D
。 This post还建议使用名为 Reshape
的内置层来 reshape 卷积层的输出。然而,我仍然遇到同样的错误。
我还尝试在 LSTM 层中指定 input_shape
。
model = keras.Sequential()
model.add(keras.layers.InputLayer(input_shape=(None, 512)))
model.add(keras.layers.Conv1D(128, 1, activation="relu"))
model.add(keras.layers.MaxPooling1D((2)))
model.add(keras.layers.LSTM(64, activation="tanh", input_shape=(None, 64)))
model.add(keras.layers.Dense(6))
model.add(keras.layers.Activation("softmax"))
最后我还是遇到同样的错误。
我不确定我是否理解如何堆叠一维卷积层和lstm层。我知道 TF2.0 仍然是 Alpha,但是有人能指出我错过了什么吗?提前致谢
最佳答案
问题是维度问题。您的特征的形状为 [..., 1, 512]
;因此,MaxPooling1D
pooling_size
2 大于 1,导致了该问题。
添加 padding="same"
将解决该问题。
model = tf.keras.Sequential()
model.add(tf.keras.layers.InputLayer(input_shape=(None, 512)))
model.add(tf.keras.layers.Conv1D(128, 1, activation="relu"))
model.add(tf.keras.layers.MaxPooling1D(2, padding="same"))
model.add(tf.keras.layers.LSTM(64, activation="tanh"))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(6))
model.add(tf.keras.layers.Activation("softmax"))
关于tensorflow - 如何使用Tensorflow2.0 alpha堆叠卷积层和LSTM?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55746170/