预期 conv1d_1_input 的形状为 (15, 512) 但得到的数组形状为 (4, 512)答案

【问题标题】：expected conv1d_1_input to have shape (15, 512) but got array with shape (4, 512)预期 conv1d_1_input 的形状为 (15, 512) 但得到的数组形状为 (4, 512)
【发布时间】：2018-07-20 16:42:41
【问题描述】：

我正在使用 CNN 和 word2vec 作为嵌入方法在 python 中使用 keras 进行情感分析项目。根据我的代码，我设置了我的输入形状，15 和 512，所以当我想预测一个新句子的极性时说：“我很抱歉”，例如，长度：4 - 我面临这个错误：

预期 conv1d_1_input 的形状为 (15, 512) 但得到的数组形状为 (4, 512) 这是我的代码的一部分：

model = Sequential()
model.add(Conv1D(32, kernel_size=3, activation='elu', padding='same', 
input_shape=(15, 512)))
model.add(Conv1D(32, kernel_size=3, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=3, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=3, activation='elu', padding='same'))
model.add(Dropout(0.25))
model.add(Conv1D(32, kernel_size=2, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=2, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=2, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=2, activation='elu', padding='same'))
model.add(Dropout(0.25))
model.add(Dense(256, activation='relu')
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(2, activation='softmax'))

我所能做的就是制作新的 python 文件并加载我所有的相关模型，例如 word2vec ...并像这样更改其上的输入形状：

model111 = Sequential()
model111.add(Conv1D(32, kernel_size=3, activation='elu', padding='same', 
input_shape=(len(input), 512)))
model111.add(Dense(256, activation='relu'))
model111.add(Dense(256, activation='relu'))
model111.add(Dropout(0.5))
model111.add(Flatten())
model111.add(Dense(2, activation='softmax'))

我想知道这个方法好不好？？任何有效的解决方案将不胜感激

【问题讨论】：

标签： python keras conv-neural-network prediction sentiment-analysis

【解决方案1】：

当您的输入尺寸小于您的模型预期时，您需要进行填充（即在输入数组的末尾添加零以完成预期尺寸，然后再提供给模型。有一个 keras 函数可以做到这一点：

from keras.preprocessing.sequence import pad_sequences
input_array = pad_sequences(input_array, maxlen=max_tweet_length, padding='post')

然后，重塑您的数据，使其符合 CNN 的预期空间性：

input_array = input_array.reshape(input_array.shape + (1,))

【讨论】：

您确定 pad_sequences 可以与 CNN 一起使用吗？据我所知，CNN 不支持这种方法，我应该直接使用它，当我这样做时，我会遇到此错误：检查输入时出错：预期 conv1d_1_input 具有 3 维，但得到的数组形状为 (1, 15 )
是的。有用！问题是 CNN 需要一个 3d 张量，与填充无关。尝试在填充后向输入张量添加 1 个维度。像这样：`input_array = input_array.reshape(input_array.shape + (1,)))`
感谢您的解决方案-因为我对这个领域有点陌生，请您稍微解释一下这句话：您需要为您的张量添加 1 个维度
这是因为 CNN 需要一个形状为 (batch_size, steps, input_dim) 的张量，而您给出的是这个形状的张量 (batch_size, steps)
感谢一百万，出现了一些愚蠢的错误 - 现在已修复

【解决方案2】：

根据 Eduardo Soares 所说，我应该直接填充我的输入句子或使用 pad_sequences 函数如下：

from keras.preprocessing.sequence import pad_sequences
input_array = pad_sequences(input_array, maxlen=max_tweet_length, padding='post')

然后我得到了这个错误：

检查输入时：预期 conv1d_1_input 有 3 个维度，但是得到形状为 (1, 15) 的数组

这与前错误无关，据我了解，这与输入形状有关，因此我应该在填充后重新调整输入（此处为 input_array），所以我使用以下代码进行了尝试：

input_array = input_array.reshape(input_array.shape + (1,))

一切顺利！希望这会有所帮助

【讨论】：