Python 将段落中的每个单词分类（TF Keras）

我想创建一个模型，将0到

vocab\u size

之间的

input\u len

整数向量转换为0到31之间的

input\u len

整数向量

整数的顺序很重要，因为这些向量代表我试图用32种可能的类别对每个单词进行分类的段落

我有以下培训数据：

段落本身（输入）格式为单词数组，编号为0-

vocab\u size

，填充或切掉为

input\u len

单词 标签（输出）格式化为相同长度的标签数组0-31（0表示无）

合成的示例输入可能类似于：

[12,4,63,2,9]

，而输出可能类似于

[0,0,3,0,7]

model=tf.keras.models.Sequential([
tf.keras.layers.Embedding（声音大小、嵌入尺寸、输入长度=输入长度），
tf.keras.layers.LSTM（128，输入形状=（输入长度，嵌入尺寸），
返回_序列=真），
tf.keras.layers.Dense（32，活化='relu'）
])
compile（'adam'，'sparse\u categorical\u crossentropy'，metrics=['accurity']））
模型拟合（x_序列，y_序列，历次=10）
模型评估（x_检验，y_检验）

上面的代码抛出错误

InvalidArgumentError:无法挤压尺寸[1]，应为1，获得1000“

目前，

input\u len=1000

---

TLDR，我有一个shape

（training\u set\u size，input\u len）

的输入，希望LSTM有一个shape

（training\u set\u size，input\len）的输出

它是否告诉您哪一行抛出了错误？或者它只是在您尝试编译/拟合时发出的？您的

y\u序列的形状是什么？

？如果您使用的是

sparse\u Category\u crossentropy

，它不应该是一个热编码的，所以它需要是一个大小向量

（training\u set\u size，input\len）

，其中

输入列中每个单词的值是与所需类关联的整数，0-31。y列的形状是（训练集大小，输入列），并且它不是一个热编码的。而且，是的，它只有在我尝试拟合它时才会抛出错误。它编译得很好。尝试将您的
Dense
层包装在
keras.layers.TimeDistributed（）中
，让我知道这是否解决了问题。如果没有你的数据，我很难在我这方面进行测试。如果它有效，我会在回答中加入更多的信息。这不起作用。但是，我不知道TimeDistributed（）的存在，更深入的研究让我找到了一个教程，我现在将通过它来看看这是否有帮助。谢谢！