首页 文章

Keras LSTM / GRU语言模型的输入形状

提问于
浏览 次
1

我正在尝试在Keras的单词级别训练语言模型 .

我有我的X和Y，都有形状（90582L，517L）

当我尝试适合这个模型时：

print('Build model...')
model = Sequential()
model.add(GRU(512, return_sequences=True, input_shape=(90582, 517)))
model.add(Dropout(0.2))
model.add(GRU(512, return_sequences=True))
model.add(Dropout(0.2))
model.add(TimeDistributedDense(1))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')
model.fit(x_pad, y_pad, batch_size=128, nb_epoch=2)

我收到错误：

Exception: Error when checking model input: 
expected gru_input_7 to have 3 dimensions, but got array with shape (90582L, 517L)

我需要一些关于输入形状应该是什么的指导？我已经对各种组合进行了反复试验，但似乎我误解了一些基本的东西 .

在Keras文本生成示例中，X矩阵具有3维 . 我不知道第三个维度应该是什么 .

python nlp keras lstm language-model

1 回答

  • 3

    这取决于你想要做什么 . 我猜您的形状数据（90582,517）是一组90582个样本，每个样本有517个单词 . 如果是这样，你必须将你的单词转换为单词向量（= embeddings），以使它们有意义 . 然后你将得到形状（90582,517，embedding_dim），它可以由GRU处理 .

    Keras Embedding layer可以为你做到这一点 . 在第一个GRU图层之前将其添加为神经网络的第一层 .

    vocabulary_size = XXXXX     # give your vocabulary size here (largest word ID in the input)
embedding_dim = XXXX        # give your embedding dimension here (e.g. 100)

print('Build model...')
model = Sequential()
model.add(Embedding(vocabulary_size, embedding_dim, input_shape=(90582, 517)))
model.add(GRU(512, return_sequences=True))
model.add(Dropout(0.2))
model.add(GRU(512, return_sequences=True))
model.add(Dropout(0.2))
model.add(TimeDistributedDense(1))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')
model.fit(x_pad, y_pad, batch_size=128, nb_epoch=2)
    回复于

相关问题