如何在TensorFlow RNN中正确处理独热编码和多维数据

我正在创建一个二元分类器，用于分类字母序列，例如’BA’。

每个序列由两个字母组成，并以独热向量编码。例如，序列’BA’是[[0, 1, 0, 0], [1, 0, 0, 0]]。

（在我的原始代码中，序列更长，但我希望保持问题简单）

我对机器学习还比较新手，以前做过一些工作，但仅限于平面输入。我很难理解如何将多维输入传递到我的网络中。我是否需要以某种方式将其展平？

我在这里创建了一个最小可复现的示例 – https://www.dropbox.com/s/dhg3huw6bh7dfjd/Example.py?dl=0，Sequences仅包含三个训练数据示例以保持简单。我只需要帮助弄清楚如何将3D输入传递到我的模型中。

在我提供的代码中，整个数据集只是以下内容：

Sequences = [  [[0, 1, 0, 0], [1, 0, 0, 0]]   ,  [[0, 1, 0, 0], [1, 0, 0, 0]]  ,   [[0, 0, 0, 1], [0, 1, 0, 0]]  ]

这是一个二元分类器，这些序列的目标是：

Targets = [1.0, 1.0, 0.0]

如果你运行我提供的代码，你应该会得到这个错误：

ValueError: Input 0 of layer lstm is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: [None, 2, 2, 4]

如果有人能帮助弄清楚如何正确地将序列传递到我的网络中，那就太好了。谢谢你 🙂

回答：

这一行是问题的根源。LSTM期望3维输入。在你的情况下，你试图传递一个4维输入（请记住，Keras会在输入形状中添加一个额外的批次维度）。所以，去掉第一个2将解决你的问题。

model.add(LSTM(128,                   input_shape=(2, 2, 4), return_sequences=True))

只需将其更改为，

model.add(LSTM(128,                   input_shape=(2, 4), return_sequences=True))

学技术