Ошибка при создании вектора встраивания (для матриц) (ввод 0 плотного слоя несовместим со слоем)

Я пытаюсь создать вектор встраивания для матриц.

сначала я конвертирую ввод матриц в вектор:

x = input_x.reshape(input_x.shape[0], input_x.shape[1]*input_x.shape[2])

то есть каждый образец (каждый вход) является вектором (вместо матрицы)

И я строю следующую модель:

max_length = x.shape[0]   # number of rows / number of samples
Vocab_size = 200
num_labels = 3 
model = Sequential()
embedding_layer = Embedding(input_dim=Vocab_size, output_dim=8, input_length=max_length)
model.add(embedding_layer)
model.add(Flatten())
model.add(Dense(num_labels, activation='softmax'))
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc'])
model.fit(x, y, epochs=100, verbose=0)

X.shape (после изменения формы) = (574, 80000)
y.shape 574

Но я получаю сообщение об ошибке:

 ValueError: Input 0 of layer dense is incompatible with the layer: expected axis -1 of input shape to have value 4592 but received input with shape [None, 640000]

полная ошибка:

  /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py:806 train_function  *
        return step_function(self, iterator)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py:796 step_function  **
        outputs = model.distribute_strategy.run(run_step, args=(data,))
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/distribute/distribute_lib.py:1211 run
        return self._extended.call_for_each_replica(fn, args=args, kwargs=kwargs)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/distribute/distribute_lib.py:2585 call_for_each_replica
        return self._call_for_each_replica(fn, args, kwargs)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/distribute/distribute_lib.py:2945 _call_for_each_replica
        return fn(*args, **kwargs)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py:789 run_step  **
        outputs = model.train_step(data)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py:747 train_step
        y_pred = self(x, training=True)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/base_layer.py:985 __call__
        outputs = call_fn(inputs, *args, **kwargs)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/sequential.py:372 call
        return super(Sequential, self).call(inputs, training=training, mask=mask)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/functional.py:386 call
        inputs, training=training, mask=mask)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/functional.py:508 _run_internal_graph
        outputs = node.layer(*args, **kwargs)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/base_layer.py:976 __call__
        self.name)
    /home/user/myPrj/lib/python3.6/site-packages/tensorflow/python/keras/engine/input_spec.py:216 assert_input_compatibility
        ' but received input with shape ' + str(shape))

Что не так ?
что мне нужно изменить, чтобы исправить это?

python tensorflow keras deep-learning

13.12.2020 14:30

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ввод вашей модели должен иметь последнее измерение 200.

Насколько я понимаю, последнее измерение input_x равно 200 (Vocab_size). Если да - попробуйте переформировать таким образом:

x = input_x.reshape(-1, input_x.shape[-1])

13.12.2020 15:35

Ответ принят как подходящий

Вы неправильно используете аргумент max_length:

input_length: длина входных последовательностей, если она постоянна. Этот аргумент необходим, если вы собираетесь соединить слои Flatten, а затем Dense вверх по течению (без него невозможно вычислить форму плотных выходных данных).

Должен быть