Keras 在处理词嵌入时失败答案

【问题标题】：Keras fails while processing word embedingsKeras 在处理词嵌入时失败
【发布时间】：2020-04-30 07:38:48
【问题描述】：

word_embed = keras.layers.Embedding(len(vocab), 101)
em = word_embed(tf.convert_to_tensor(np.random.rand(10, 48)))

print(em.shape) 
# (10, 48, 101)    
# 10 sentences in bacth, 48 words in sentence(with padding), 101 - embedding dimension...

lstm = K.layers.LSTMCell(101)
lstm_layer = keras.layers.RNN(lstm)hidden_states = lstm_layer(em) 

# TypeError: Expected Operation, Variable, or Tensor, got False

谁能帮忙，为什么会出现错误？预期 lstm 单元的隐藏状态...

【问题讨论】：

你想在这里做什么？为什么要将lstm 层传递给RNN 层，为什么要使用LSTMCell 而不是LSTM？

标签： python keras tensorflow2.0

【解决方案1】：

您可以在模型中使用“嵌入到 LSTM 层”一词，如下所示。

这里我考虑二进制分类示例，嵌入维度为 101，句子中的最大单词数为 48。

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding,Dense,LSTM  

model = Sequential()
model.add(Embedding(len(vocab), 101, input_length=48))
model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
## Fit the model
model.fit(data, np.array(labels), validation_split=0.4, epochs=3)

【讨论】：