Python Keras中带有Keras.backend.one_hot的Lambda层出现TypeError

我想用Keras训练一个角色级别的CNN。我把一个单词作为输入。我已经将单词转换为索引列表，但是当我尝试将其输入到

one\u hot

时，我得到一个

TypeError

>>> X_train[0]
array([31, 14, 23, 29, 27, 18, 12, 30, 21, 10, 27,  0,  0,  0,  0,  0,  0,
        0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
        0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
        0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
        0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
        0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0], dtype=uint8)
>>> X_train.shape
(2226641, 98)

但当我尝试创建这样的模型时：

k_model = Sequential()
k_model.add(Lambda(K.one_hot, arguments={'num_classes': 100}, input_shape=(98,), output_shape=(98,100)))
k_model.add(Conv1D(filters=16, kernel_size=5, strides=1, padding='valid'))

I get

TypeError:传递给参数“index”的值的数据类型float32不在允许值列表中：uint8、int32、int64

很明显，它并没有达到X_列被读取的程度，所以它从哪里得到一个浮点值呢

我想要一个

（98100）

的实例形状，其中100是类的数量

---

我无法将整个数据集存储在内存中。

我建议使用一种更干净的解决方案来实现相同的结果，如何：

k_model.add(Embedding(num_classes, num_classes,
                      embeddings_initializer='identity',
                      trainable=False,
                      name='onehot'))

---

你本质上是在嵌入东西，使用固定权重的东西会更有意义。它还为您提供了灵活性，使嵌入在未来可进行培训。

我建议一种更清洁的解决方案，可以达到同样的效果，如何：

k_model.add(Embedding(num_classes, num_classes,
                      embeddings_initializer='identity',
                      trainable=False,
                      name='onehot'))

---

你本质上是在嵌入东西，使用固定权重的东西会更有意义。它还为您提供了灵活性，使嵌入在将来可以进行培训。

现在，当我尝试培训时，我得到了一个错误，说：

ValueError:error当检查target:expected onehot有3个维度，但得到了具有形状的数组（742214，98）

在

嵌入

文档中，我也没有看到任何关于

权重的内容。您对此有任何参考吗？不幸的是，它是基类的一部分，在文档中没有明确提到。感谢您的澄清。您对新错误有什么建议吗？嵌入输出（样本，98，num_类）但您的Y数据是2d（样本，98），这就是目标不匹配的原因，您还没有处理输入，并期望它预测目标。现在，当我尝试训练说
ValueError:error when check target:expected one hot有3个维度时，我得到了一个错误，但是得到了形状为（742214，98）的数组。
我在
嵌入
文档中也没有看到任何关于
权重的内容。您对此有任何参考吗？不幸的是，它是基类的一部分，在文档中没有明确提到。感谢您的澄清。您对新错误有什么建议吗？嵌入输出（样本，98，num_类）但您的Y数据是2d（样本，98），这就是目标不匹配的原因，您尚未处理输入，并期望它预测目标。