Python 建立LSTM VAE模型时存在不兼容问题

我尝试用

keras

构建

VAE

LSTM

模型。输入形状为

（样本编号，20,31）

然而，有一些不相容的问题正在发生

我不确定我的代码的哪一部分是错误的，请原谅我发布了所有代码

我的进口：

from keras.models import Sequential, Model
from keras.objectives import mse
from keras.layers import Dense, Dropout, Activation, Flatten, LSTM, TimeDistributed, RepeatVector, Input, Lambda
from keras.layers.normalization import BatchNormalization

首先，我创建了一个正态分布采样函数

def sampling(args):
     z_mean, z_log_var = args
     batch = K.shape(z_mean)[0]
     dim = K.int_shape(z_mean)[1]
     epsilon = K.random_normal(shape=(batch,dim))
     return z_mean + K.exp(0.5 * z_log_var) * epsilon

然后构建编码器和解码器

"======Encoer====="
inputs = Input(shape=(20,31,), name='encoder_input')
x = LSTM(30,activation='relu',return_sequences=True) (inputs)
x = LSTM(60,activation='relu') (x)
z_mean = Dense(60, name='z_mean')(x)
z_log_var = Dense(60, name='z_log_var')(x)
z = Lambda(sampling, output_shape=(60,), name='z')([z_mean, z_log_var])
z = RepeatVector(20)(z)
encoder = Model(inputs, [z_mean, z_log_var, z], name='encoder')

"=====Decoder======="
latent_inputs = Input(shape=(20,60), name='z_sampling')
x_2 = LSTM(60, activation='relu',return_sequences= True)(latent_inputs)
x_2 = LSTM(31, activation='relu')(x_2)
decoder = Model(latent_inputs, x_2, name='decoder')
outputs = decoder(encoder(inputs)[2])
vae = Model(inputs, outputs)

最后定制损失函数并拟合模型

reconstruction_loss = mse(inputs, outputs)
kl_loss = 1 + z_log_var - K.square(z_mean) - K.exp(z_log_var)
kl_loss = K.sum(kl_loss, axis=-1)
kl_loss *= -0.5
vae_loss = K.mean(reconstruction_loss + kl_loss)
vae.add_loss(vae_loss) 
vae.compile(optimizer='adam')
vae.fit(train,validation_data=(val,None),epochs=100)

它将得到这个错误，但我找不到任何地方的形状

[32,31]

或

[32,20,31]

：

    InvalidArgumentError                      Traceback (most recent call last)
~\Anaconda3\lib\site-packages\tensorflow\python\client\session.py in _do_call(self, fn, *args)
   1326     try:
-> 1327       return fn(*args)
   1328     except errors.OpError as e:

~\Anaconda3\lib\site-packages\tensorflow\python\client\session.py in _run_fn(session, feed_dict, fetch_list, target_list, options, run_metadata)
   1305                                    feed_dict, fetch_list, target_list,
-> 1306                                    status, run_metadata)
   1307 

~\Anaconda3\lib\contextlib.py in __exit__(self, type, value, traceback)
     87             try:
---> 88                 next(self.gen)
     89             except StopIteration:

~\Anaconda3\lib\site-packages\tensorflow\python\framework\errors_impl.py in raise_exception_on_not_ok_status()
    465           compat.as_text(pywrap_tensorflow.TF_Message(status)),
--> 466           pywrap_tensorflow.TF_GetCode(status))
    467   finally:

InvalidArgumentError: Incompatible shapes: [32,20] vs. [32]

---

感谢您的回答。

编码器的输入形状是

（32,20,31）

这里

32

是默认的

batch\u size

，解码器的输出是

（32,31）

，而

mse

函数正在抱怨这两种形状

应通过更换以下部件来解决问题：

x_2=LSTM（31，activation='relu'）（x_2）

by

x_2=LSTM（31，activation='relu'，return_sequences=True）（x_2）

另外，您还可以尝试运行

encoder.summary（）

和

decoder.summary（）

来获得每一层的形状

编辑：

---

kl\u loss=K.sum（kl\u loss，axis=-1）

to

kl\u loss=K.sum（kl\u loss）

它很可能在缺少的

返回序列=True

中。谢谢你的回答。但是，当我添加return\u序列时，错误问题变成了不兼容的形状：[32,20]vs[32]。谢谢您的回答。我尝试添加return_序列，但出现了另一个错误，不兼容的形状：[32,20]vs[32]。当Model.summary（）时，我找不到任何形状为[32,20]或[32]。这是我的主要问题。您能提供完整的错误堆栈跟踪吗？问题似乎是在

重建\u损失

和

kl\u损失

之外。我将

kl\u loss=K.sum（kl\u loss，axis=-1）

更改为

kl\u loss=K.sum（kl\u loss）

，似乎运行在冗余的训练数据上。但是我不确定这个改变是否会影响你的损失功能。@whiteoil，这是有效的！！！由K.sum轴引起的问题。非常感谢你的回答。