Keras 嵌入层导致维度问题

Question

我目前正在尝试在我的序列到序列自动编码器中包含一个嵌入层，使用 keras 功能 API 构建。

模型代码如下所示：

#Encoder inputs
encoder_inputs = Input(shape=(None,))

#Embedding
embedding_layer = Embedding(input_dim=n_tokens, output_dim=2)
encoder_embedded = embedding_layer(encoder_inputs)

#Encoder LSTM
encoder_outputs, state_h, state_c = LSTM(n_hidden, return_state=True)(encoder_embedded)
lstm_states = [state_h, state_c]


#Decoder Inputs
decoder_inputs = Input(shape=(None,)) 

#Embedding
decoder_embedded = embedding_layer(decoder_inputs)

#Decoder LSTM
decoder_lstm = LSTM(n_hidden, return_sequences=True, return_state=True, )
decoder_outputs, _, _ = decoder_lstm(decoder_embedded, initial_state=lstm_states)


#Dense + Time
decoder_dense = TimeDistributed(Dense(n_tokens, activation='softmax'), input_shape=(None, None, 256))
#decoder_dense = Dense(n_tokens, activation='softmax', )
decoder_outputs = decoder_dense(decoder_outputs)

model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

模型是这样训练的：

model.fit([X, y], X, epochs=n_epoch, batch_size=n_batch)

X 和 y 的形状为 (n_samples, n_seq_len)

模型的编译完美无缺，而在尝试训练时，我总是会得到：

ValueError：检查目标时出错：预期 time_distributed_1 到 有 3 个维度，但得到了形状为 (n_samples, n_seq_len) 的数组

有人有想法吗？

Keras 版本是 2.2.4
TensorFlow 后端版本 1.12.0

Answer 1

在这样的自动编码器中，由于最后一层是 softmax 分类器，因此您需要对标签进行一次热编码：

from keras.utils import to_categorical

one_hot_X = to_categorical(X)

model.fit([X, y], one_hot_X, ...)

附带说明，由于the Dense layer is applied on the last axis，因此无需将Dense 层包裹在TimeDistributed 层中。