keras - 在 Keras 序列模型中添加 TimeDistributed(Dense) 层时出现 AssertionError

Question

我正在构建一个 RNN 来预测多对一问题。

#Input_X:
[
[1,2,3,4,5,6,7,8,9,10],
[2,3,4,5,6,7,8,9,10,11]
]

#Input_Y:
[
11,
12
]
#Each number represent a category

X=np.reshape(Input_X,(len(Input_X), 10, 1))

y=np.utils.to_catgeorical(Input_Y)  #one hot encode,

我的模型设置：

#####This works 
model=Sequential()
model.add(LSTM(256, input_shape(X.shape[1], X.shape[2])))
model.add(Dense(y.shape[1], activation='softmax'))
model.compile(loss='categorical_crossentrophy', optimizer='adam', metrics=['accuracy'])
model.fit(X,y, ........) 

我想尝试使用 TimeDistributed(Dense) 层，例如：https ://keras.io/layers/wrappers/ 。所以我把上面改为下面：

model=Sequential()
model.add(LSTM(256, input_shape(X.shape[1], X.shape[2])))
model.add(TimeDistributed(Dense(y.shape[1], activation='softmax')))
model.compile(loss='categorical_crossentrophy', optimizer='adam', metrics=['accuracy'])
model.fit(X,y, ........) 

我收到一个 AssertionError。哪个报告矩阵大小不是预期的。我错过了哪些步骤？

Answer 1

我认为您需要添加return_sequences=True到 LSTM 单元

```
model=Sequential()
model.add(LSTM(256, return_sequences=True, input_shape(X.shape[1], X.shape[2])))
model.add(TimeDistributed(Dense(y.shape[1], activation='softmax')))
model.compile(loss='categorical_crossentrophy', optimizer='adam', metrics=['accuracy'])
model.fit(X,y, ........) 

```

Answer 2

return_sequences=True为我工作。

在 OP 的问题中， y.shape 是 (2,1) ，它有 2 个样本，只有 1 个 feature ，所以它不适合多对多模型。