Keras / Tensorflow输入到RNN层

作者: 尼拉。
发布时间: 2024-08-15 09:52:56 (11小时前)
转自：

3 条回复

0#
回复此人
1号 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 这里的问题是RNN层期望形式的3D张量输入：[num samples，time steps，features]。 </p> <P> 所以我们可以将上面的代码修改为： </p> <pre> <code> def get_generative(G_in, dense_dim=10, out_dim=37, lr=1e-3): x = GRU(dense_dim, activation='tanh',return_state=True)(G_in) G_out = GRU(out_dim, return_state=True)(x) G = Model(G_in, G_out) opt = SGD(lr=lr) G.compile(loss='binary_crossentropy', optimizer=opt) return G, G_out G_in = Input(shape=(1,3)) G, G_out = get_generative(G_in) G.summary() </code> </pre> <P> 所以我们所说的是我们期望输入任意数量的样本，每个样本具有3个特征的1个时间步长。 </p> <P> Anna是正确的，clear_session（）不应该在生成器函数中。 </p> <P> 最后，如果您确实想要将数据输入网络，其形状也应该与我们刚才讨论的相匹配。你可以使用numpy reshape来做到这一点： </p> <P> <code> X = np.reshape(X, (X.shape[0], 1, X.shape[1])) </code> </p> </DIV>

编辑
1#
回复此人
biu~额 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 您收到错误，因为您在创建输入张量后清除会话。这就是为什么输入张量不是来自与网络其余部分相同的图形的原因。要解决这个问题，请简单地省略 <code> clear_session() </code> 。 </p> <P> 您的代码的另一个问题：第二个GRU层需要序列输入，因此您应该使用 <code> return_sequences=True </code> 在第一个GRU层内。你可能想省略这个论点 <code> return_state=True </code> 因为这会使图层返回张量的元组（输出和状态）而不是仅仅一个输出张量。 </p> <P> 总而言之，以下代码应该这样做： </p> <pre> <code> def get_generative(G_in, dense_dim=10, out_dim=37, lr=1e-3): x = GRU(dense_dim, activation='tanh', return_sequences=True)(G_in) G_out = GRU(out_dim)(x) G = Model(G_in, G_out) opt = SGD(lr=lr) G.compile(loss='binary_crossentropy', optimizer=opt) return G, G_out </code> </pre> </DIV>

编辑

登录后才能参与评论