迁移到 Tensorflow 1.10(Collab -> AWS sagemaker),代码似乎在 Tensorflow 1.12 中工作正常,但在 1.10 中我收到错误ValueError: Error when checking target: expected dense to have 2 dimensions, but got array with shape (52692,)
输入示例 - 没有空格的字符串:
["testAbc", "aaDD", "roam"]
我通过将小写字母更改为 1、大写字母 2、数字 - 3、'-' - 4、'_' - 5 和填充来预处理,使它们与 0 的长度相等
和 4 个标签 a - 0、b - 1、c - 2、d - 3
假设每个单词的最大长度为 10(在我的代码中为 20):
功能 - [[
1 1 1 1 2 1 1 0 0 0][1 1 2 2 0 0 0 0 0 0 0][1 1 1 1 0 0 0 0 0 0 0]]标签 - [1, 1, 2, 3]
预期输出:[a: 0%, b: 0%, c: 1%, d: 99%](示例)
model = keras.Sequential()
model.add(
keras.layers.Embedding(6, 8, input_length=maxFeatureLen))
model.add(keras.layers.LSTM(12))
model.add(keras.layers.Dense(4, activation=tf.nn.softmax))
model.compile(tf.train.AdamOptimizer(0.001), loss="sparse_categorical_crossentropy")
model.fit(train["featuresVec"],
train["labelsVec"],
epochs=1,
verbose=1,
callbacks=[],
validation_data=(evale["featuresVec"], evale["labelsVec"],),
validation_steps=evale["count"],
steps_per_epoch=train["count"])
火车和避难所的形状 - 2D 阵列
train["featuresVec"]=
[[1 2 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0]
[1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0]
[1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[2 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0]]
evale["featuresVec"]=
[[1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0]
[1 1 1 1 1 1 2 1 1 1 1 1 0 0 0 0 0 0 0 0]
[1 1 1 1 1 2 1 1 1 1 1 1 2 1 1 1 1 1 1 0]
[1 1 1 1 1 2 1 1 1 1 1 2 1 1 1 1 1 1 0 0]
[1 1 1 1 1 2 1 1 1 1 1 1 0 0 0 0 0 0 0 0]]
train["labelsVec"] = [1 0 0 0 2]
evale["labelsVec"] = [0 1 1 1 1]
形状:
train["featuresVec"] = [52692, 20]
evale["featuresVec"] = [28916, 20]
train["labelsVec"] = [52692]
evale["labelsVec"] = [28916]
可能您的标签向量需要具有形状(batch_size, 1)
而不仅仅是(batch_size,)
。
注意:由于您使用sparse_categorical_crossentropy
而不是categorical_crossentropy
作为损失函数,因此不对标签进行单热编码是正确的。