为包含可变长度序列的数组的输出标签创建分类 numpy 数组

Question

我正在尝试为 LSTM 模型创建一个可变序列长度数据。因此，我创建了一个可变长度的 numpy 数组列表。 例如，一个数组长度 => (11,20)，另一个数组长度 => (9,20)。这里 20 是特征数，11/9 表示序列长度

每个数组的末尾都有零和一个数值（类索引）。

如果音频文件属于类索引 = 1 并且帧数为 8 则 y 将是 [0,0,0,0,0,0,0,1]

我想知道，当对每个可变长度的音频数据调用 model.fit 时，最后一个 Dense layer() 的输出形状将等于音频的帧数

那么，我怎样才能创建密集层的可变输出形状（8 或 9 或 11）

我不想填充序列，而是在 LSTM 输入层形状中给出“无”。

但是，在转换为 categorical 时，出现错误：setting array element with sequence.

这里，11是类数

y_train=to_categorical(y_train,11)
y_test=to_categorical(y_test,11)

张量流版本：1.3.0

Keras 版本：2.0.9

Answer 1

正如你在问题中所说：

每个数组的末尾都有零和一个数值（类索引）。

如果音频文件属于类 index = 1 且帧数为 8 则 y 将为 [0,0,0,0,0,0,0,1]

第一步输入：

[更新] 处理可变输入大小的一种方法是使用dynamic_rnn。 Read more here

我们处理这个问题的另一种方法是使用填充。

假设我们创建大小为 10 的嵌入，因此每个单词将有一个大小为 10 的向量输入。

说 5 个单词的句子输入，实际上是 5 * 10 的输入。

现在，因为 TF/Keras 接受固定大小的输入。我们填充输入。

所以我们采用固定输入长度的单词数（本例中为 20）。

删除 20 之后出现的单词。

如果一个 Sentence 有 5 个单词，那么它将有 15 个填充。

现在输入将通过嵌入层，最终输入将是(None, 20, 10)，代表(Batch_size, Sequence_length, embedding_dimension)。

你的问题也可以转化为类似的输入。

例如，一个数组长度 => (11,20)，另一个长度 => (9,20)。这里 20 是特征数，11/9 表示序列长度

这里假设序列长度为15左右..并假设嵌入维度为20。

您必须填充大小为 9/11 的输入，以便在 15 时保持一致（您可以试验这个数字）。

20 是您的嵌入维度、特征。

所以最终输入形状将是(None, 15, 20)。

下一步输出：

您现在可以为每个输入直接热编码您的输出类。 对于 9,20 的输入，您有 1 个热编码输出向量。

之前您认为对于长度为 9 的输入和 20 的特征 输出的长度应该是 9，前 8 个输出应该是 0，第 9 个应该是类。

这将不再需要，因为 1 个大小为 (9,20) 的输入将提供 1 个输出。

如果需要更多解释，请告诉我，祝你好运:)