张concat输出输入养活新lstm层

Question 1

我尝试重塑和concat一些输出给compleate原始的输入和利用它在下一阶段的我的模型。维似乎比赛，但我得到这个错误：

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), [(), 
(), ()]]

我也试试：

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

这个错误：

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], [].

原因似乎是相同的，但我不知道如何处理，

    # 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

连一张名单将不会的工作。因此，可能尝试的东西，像这样：

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

注意，我已删除 shape.as_list() 因为，顾名思义，它返回的形状的一张列表。你可以确认是否有这样的例子：

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

连一张名单将不会的工作。因此，可能尝试的东西，像这样：

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

注意，我已删除 shape.as_list() 因为，顾名思义，它返回的形状的一张列表。你可以确认是否有这样的例子：

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'>

张concat输出输入养活新lstm层

的问题

最好的答案

其他语言

此页面有其他语言版本

受欢迎的此类别

流行的问题，在这个类别