Keras 期望 embedding_13_input 有 2 维，但是得到了形状为 (20, 7, 12) 的数组

Question

我知道这个问题已经被问过很多次了，但是我无法使用 SO 的任何答案来解决这个错误。我正在尝试构建嵌入，我的数据被塑造成：(20, 7, 12) 即 20 个训练样本，每个有 7 个单词，one-hot 编码为 12 维。

当我使用以下规格拟合我的模型时，我收到错误：

检查输入时出错：预期 embedding_24_input 有 2 尺寸，但得到形状为 (20, 7, 12) 的数组

embedding_dims = 10
model = Sequential()
model.add(Embedding(12, embedding_dims,input_length=7))

然后我尝试在嵌入之前展平，但未能成功抱怨“input_length”为 7，但接收到的输入具有形状（无，84）“。然后我更改了嵌入层上的 input_length 以匹配但没有运气要么：

检查目标时出错：预期 embedding_26 有 3 尺寸，但得到形状为 (20, 12) 的数组

model = Sequential()
model.add(Flatten())
model.add(Embedding(12, embedding_dims,input_length=84))

非常感谢您提供任何解释帮助！

Answer 1

Embedding 层不要期望输入数据中的一种热编码，您应该使用 numpy.argmax 或 tf.argmax 等函数将数据转换为整数Embedding 层中馈送数据之前的大小矩阵（batch，input_length）。

下面的例子没有任何错误：

import tensorflow as tf
import numpy as np

embedding_dims = 10
batch_size = 20
vocabulary_size = 12

# The model will take as input an integer matrix of size (batch, input_length), 
# and the largest integer (i.e. word index) in the input should be no larger than 11 (vocabulary size - 1)
model = tf.keras.Sequential()
model.add(tf.keras.layers.Embedding(vocabulary_size, embedding_dims, input_length=7))
model.compile('rmsprop', 'mse')

raw_input_array = np.random.randint(2, size=(batch_size, 7, vocabulary_size))
input_array = np.argmax(raw_input_array, axis=-1)
output_array = model.predict(input_array)
print("One hot encodeing data shape: {}\ninput integer matrix shape: {}\noutput shape: {}\n".format(raw_input_array.shape, input_array.shape, output_array.shape))

输出：

One hot encodeing data shape: (20, 7, 12)
input integer matrix shape: (20, 7)
output shape: (20, 7, 10)