我构建了一个seq2seq模型，如下所示：
latent_dim = 256
epochs = 20
batch_size = 64
encoder_inputs = Input(shape=(None,))
x = Embedding(num_encoder_tokens, latent_dim,input_length=max_english_sentence_length)(encoder_inputs)
x, state_h, state_c = LSTM(latent_dim,return_state=True)(x)
encoder_states = [state_h, state_c]
decoder_inputs = Input(shape=(None,))
x = Embedding(num_decoder_tokens, latent_dim,input_length=max_toki_sentence_length)(decoder_inputs)
x = LSTM(latent_dim, return_sequences=True)(x, initial_state=encoder_states)
decoder_outputs = Dense(num_decoder_tokens, activation='softmax')(x)
model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=["accuracy"])
model.summary()
model.fit([encoder_input_data, decoder_input_data], decoder_target_data,
batch_size=batch_size,
epochs=epochs,
validation_split=0.2)encoder_input_data具有形状（2000，57，7265），并且包含具有最多57个单词的2000个句子，具有一位热码编码的标记。
decoder_input_data和decoder_target_data的形状为（2000，87，987），包含最多87个单词的2000个句子，具有一位热码编码标记。
据我所知，数据的格式是正确的，但当运行model.fit时，我得到：
Input 0 of layer "lstm" is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: (64, 57, 7265, 256)我做错了什么？
1条答案
按热度按时间scyqe7ek1#
这个问题来自于嵌入层。对我来说，你不能使用一个热编码与keras“嵌入”层。事实上，正如在文档中所说：
输入图形
具有形状的2DTensor：（批次大小，输入长度）。
输出图形
带形状的3DTensor：（批次大小、输入长度、输出尺寸）。
注意，它接受一个2D数组，输出一个3D数组。这就是为什么你的输入从3D数组变成了4D数组（在嵌入之后）。这对你的LSTM是不利的，因为它只能接收3D数组。
你应该把你的一个热编码转换成一个基本的编号，所以你只需要一个值，而不是一个[0，0，1，0，0]输入：2.
这样，您的输入将是一个2D数组：（batch_size，input_length），并将在嵌入层之后转换为一个漂亮的3D数组：（batch_size，input_length，output_dim）。并且您的LSTM层会很高兴;）