错误无效arguminterror的屏蔽层引线：Keras中的[128,0]与[128,6]形状不兼容

我的模型如下

model = Sequential()
model.add(Embedding(input_dim=wordEmbeddings.shape[0]+2, output_dim=wordEmbeddings.shape[1], input_length=n_in,  trainable=False))       
model.add(Masking(mask_value=0.))
model.add(Bidirectional(LSTM(200, return_sequences=True, recurrent_dropout=0.5, dropout=0.5, name='bilstm1')))
model.add(TimeDistributed(Dense(100, activation="relu")))
crf = CRF(n_out,sparse_target=True)
model.add(crf)

模型摘要

当我使用这个模型而不使用遮罩层时，这个模型工作得很好。但损失是负面的。所以作为一个解决方案，我尝试添加掩蔽，然后我得到这个错误，说

大宗报价

---

根据您的描述，第一件事是您应该使用input_dim=wordEmbeddings.shape[0]+1而不是+2，在文档中它说您应该使用max_index+2，但是max_index=shape[0]-1，所以您应该使用+1而不是+2。然后，您只需将所有0传递到wordEmbeddings权重的第一行，并将预先训练好的嵌入传递到其余行。

根据您的描述，第一件事是您应该使用input\u dim=wordEmbeddings.shape[0]+1而不是+2，在文档中，您应该使用max\u index+2，但max\u index=shape[0]-1，所以你应该使用+1而不是+2。然后将所有0传递给第一行wordEmbeddings权重，并将预先训练好的嵌入传递给其余部分。

我也尝试过。但是没有起作用。还有其他建议吗？当我预测测试数据时，我得到了很好的结果，即使损失是负数。我还需要使损失为正吗？损失可以为负，这不是问题，特别是对于概率层，损失可以为负对数概率。我建议您制作一个玩具数据集示例，并提供一个我可以复制的示例。在您提供的代码中，编译部分也丢失了，因此请提供一个可运行的示例。非常感谢，我会检查。我也尝试过。但是没有起作用。还有其他建议吗？当我预测测试数据时，我得到了很好的结果，即使损失是负数。我还需要使损失为正吗？损失可以为负，这不是问题，特别是对于概率层，损失可以为负对数概率。我建议您制作一个玩具数据集示例，并提供一个我可以复制的示例。在您提供的代码中，编译部分也丢失了，因此请提供一个可运行的示例。非常感谢，我将检查。