Python 如何连接预训练的嵌入层和输入层
我的想法是创建一个256维的输入,并将其传递到一个密集层 我犯了以下错误 ValueError:调用层连接_10时使用的输入不是符号张量。收到的类型:。完整输入:[,]。层的所有输入都应该是张量Python 如何连接预训练的嵌入层和输入层,python,tensorflow,keras,concatenation,word-embedding,Python,Tensorflow,Keras,Concatenation,Word Embedding,我的想法是创建一个256维的输入,并将其传递到一个密集层 我犯了以下错误 ValueError:调用层连接_10时使用的输入不是符号张量。收到的类型:。完整输入:[,]。层的所有输入都应该是张量 请帮助我如何执行此操作。您需要输入以选择正在使用的嵌入 因为您使用的是150个单词,所以您的嵌入将具有形状(批次,150200),这是不可能以任何方式与(批次,56)连接的。您需要以某种方式变换某些内容以匹配形状。我建议你尝试一个密度的层,将56转换成200 normal_input = Input(s
请帮助我如何执行此操作。您需要输入以选择正在使用的嵌入 因为您使用的是150个单词,所以您的嵌入将具有形状
(批次,150200)
,这是不可能以任何方式与(批次,56)
连接的。您需要以某种方式变换某些内容以匹配形状。我建议你尝试一个密度的层,将56转换成200
normal_input = Input(shape=(56,))
pretrained_embeddings = Embedding(num_words, 200, input_length=max_length, trainable=False,
weights=[ft_embedding_matrix])
concatenated = concatenate([normal_input, pretrained_embeddings])
dense = Dense(256, activation='relu')(concatenated)
我还建议,由于嵌入和您的输入来自不同的性质,您应该应用规范化,使它们变得更相似:
word_input = Input((150,))
normal_input = Input((56,))
embedding = pretrained_embeddings(word_input)
normal = Dense(200)(normal_input)
#you could add some normalization here - read below
normal = Reshape((1,200))(normal)
concatenated = Concatenate(axis=1)([normal, embedding])
另一种可能性(我不能说哪一种是最好的)是在另一个维度中连接,将56转换为150:
embedding = BatchNormalization(center=False, scale=False)(embedding)
normal = BatchNormalization(center=False, scale=False)(normal)
我相信这更适合于循环和卷积网络,你可以添加一个新的通道,而不是添加一个新的步骤
你甚至可以尝试双重串联,听起来很酷:D
word_input = Input((150,))
normal_input = Input((56,))
embedding = pretrained_embeddings(word_input)
normal = Dense(150)(normal_input)
#you could add some normalization here - read below
normal = Reshape((150,1))(normal)
concatenated = Concatenate(axis=-1)([normal, embedding])
这是因为连接层的名称如下:
word_input = Input((150,))
normal_input = Input((56,))
embedding = pretrained_embeddings(word_input)
normal150 = Dense(150)(normal_input)
normal201 = Dense(201)(normal_input)
embedding = BatchNormalization(center=False, scale=False)(embedding)
normal150 = BatchNormalization(center=False, scale=False)(normal150)
normal201 = BatchNormalization(center=False, scale=False)(normal201)
normal150 = Reshape((150,1))(normal150)
normal201 = Reshape((1,201))(normal201)
concatenated = Concatenate(axis=-1)([normal150, embedding])
concatenated = Concatenate(axis= 1)([normal201, concatenated])
谢谢你的回复,我已经输入了长度150(单词)和向量维数200。当我调用Concatenate时,它抛出ValueError:新数组的总大小必须保持不变
150个字,这是一个全新的故事。。。。不能将150x200与56连接起来,这是不可能的。我将添加一个建议。如果您使用150个单词作为输入,是的,(?,150200)
。
concatenated = Concatenate()([normal_input, pretrained_embeddings])