Tenseur concat la sortie vers l'entrée pour alimenter de nouvelles lstm couche

Question 1

J'ai essayer de remodeler et concat certains sortie de compleate d'entrée d'origine et de les utiliser dans la prochaine étape de mon modèle. Dimension semble correspondre, mais j'ai cette erreur:

Concatenate(axis=2)([tensor_input2, out_first_try])
*** ValueError: A `Concatenate` layer requires inputs with matching 
shapes except for the concat axis. Got inputs shapes: [(64, 10, 8), [(), 
(), ()]]

J'ai aussi essayer :

tf.concat([tensor_input2, out_first_try], 2)

avec cette erreur:

tf.concat([tensor_input2, out_first_try], 2)
*** ValueError: Shape must be rank 3 but is rank 1 for '{{node 
tf.concat/concat}} = ConcatV2[N=2, T=DT_FLOAT, Tidx=DT_INT32] 
(Placeholder, tf.concat/concat/values_1, tf.concat/concat/axis)' with 
input shapes: [64,10,8], [3], [].

La cause semble être la même, mais je ne peux pas comprendre comment faire face à cela,

    # tensor_input1 = [64,365,9]
    tensor_input1 = Input(batch_size=batch, shape=(X.shape[1], 
                    X.shape[2]), name='input1')
    # tensor_input2 = [64,10,8]
    tensor_input2 = Input(batch_size=batch, shape=(X2.shape[1], 
                    X2.shape[2]), name='input2')

    extractor = CuDNNLSTM(100, return_sequences=False, 
                 stateful=False, name='LSTM1')(tensor_input2)
    extractor = Dropout(rate = .2)(extractor)
   
    extractor = Dense(100, activation='softsign')(extractor)

    out_1 = Dense(10, activation='linear')(extractor2)

    # add a dimension to out_1 [64,10] to fit tensor_input2 
    out_first_try = tf.expand_dims(out_1, axis=2).shape.as_list()

    # concat in 3d dim the output to the original input
    # tensor_input2 =[64,10,8] 
    # out_first_try, after tf.expend [64,10,1]
    forcast_input  = Concatenate(axis=2)([tensor_input2, 
                     out_first_try])

    # forcast_input expected size [64,10,9]

    # finaly concat tensor_input1, new tensor_input2 side to side
    allin_input = Concatenate(axis=1)([tensor_input1, forcast_input])
    # allin_input  expected size [64,365+10,9]

    extractor2 = CuDNNLSTM(100, return_sequences=False, 
                 stateful=False, name='LSTM1')(allin_input )
    ...

Question 2

La concaténation d'un tenseur avec une liste ne fonctionne pas. Alors, peut-être essayer quelque chose comme cela:

out_first_try = tf.expand_dims(out_1, axis=2)
forcast_input  = Concatenate(axis=2)([tensor_input2, out_first_try])

Notez que j'ai supprimé shape.as_list() parce que, comme le nom l'indique, il retourne la forme d'un tenseur d'une liste. Vous pouvez vérifier que, avec cet exemple:

import tensorflow as tf

out_1 = tf.random.normal((5, 10))
out_first_try = tf.expand_dims(out_1, axis=2).shape.as_list()
tf.print(type(out_first_try))
#<class 'list'>

AloneTogether · Answer 1 · 2021-11-23T20:45:51

La concaténation d'un tenseur avec une liste ne fonctionne pas. Alors, peut-être essayer quelque chose comme cela:

out_first_try = tf.expand_dims(out_1, axis=2)
forcast_input  = Concatenate(axis=2)([tensor_input2, out_first_try])

Notez que j'ai supprimé shape.as_list() parce que, comme le nom l'indique, il retourne la forme d'un tenseur d'une liste. Vous pouvez vérifier que, avec cet exemple:

import tensorflow as tf

out_1 = tf.random.normal((5, 10))
out_first_try = tf.expand_dims(out_1, axis=2).shape.as_list()
tf.print(type(out_first_try))
#<class 'list'>

Tenseur concat la sortie vers l'entrée pour alimenter de nouvelles lstm couche

La question

La meilleure réponse

Dans d'autres langues

Cette page est dans d'autres langues

Populaires dans cette catégorie

Questions populaires dans cette catégorie