如何在 Keras 中将 (None, 10) 维张量重塑为 (None, None, 10)？答案

【问题标题】：How to reshape (None, 10)-dimensional tensor to (None, None, 10) in Keras?如何在 Keras 中将 (None, 10) 维张量重塑为 (None, None, 10)？
【发布时间】：2019-04-27 19:05:50
【问题描述】：

我正在尝试将可变大小的序列输入 LSTM。因此，我使用的是生成器和 1 的批量大小。
我有一个嵌入的(sequence_length,)-input-tensor，并输出一个(batch_size, sequence_length, embeding_dimension)-tensor。
同时，我拥有的其他输入数据的大小为(sequence_length, features)，即(None, 10)，我想将其重塑为(batch_size, sequence_length, features)，即(None, None, 10)。

我尝试过使用带有 target_shape (-1, 10) 的 Keras Reshape-Layer，这应该相当于将 (None, 10) 展开到 (None, None, 10)，但我收到的是一个 (None, 1, 10) 张量，这使得它无法连接它和嵌入的数据，以便将其提供给 LSTM。
我的代码：

cluster = Input(shape=(None,))
embeded = Embedding(115, 25, input_length = None)(cluster)

features = Input(shape=(10,)) #variable
reshape = Reshape(target_shape=(-1, 10))(features)

merged = Concatenate(axis=-1)([embeded, reshape])

[...]

model.fit_generator(generator(), steps_per_epoch=1, epochs=5)

输出：

[...]
ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, None, 25), (None, 1, 10)]

如何在 Keras 中将 (None, 10) 重塑为 (None, None, 10) 张量？

【问题讨论】：

标签： python machine-learning keras neural-network recurrent-neural-network

【解决方案1】：

这样做 Keras 不会比在 NumPy 中进行重塑有任何好处。你可以：

# perform reshaping prior to passing to Keras
features = Input(shape=(None, 10))

并在传递到 Keras 之前执行整形，您的输入中有实际的 batch_size 和 sequence_length。

【讨论】：