用ELMO和Keras？

Question

所以首先我在我的模型中使用了GloVe --它工作得很好，但是现在我想切换到Elmo，但是我总是会遇到这样的错误：

ValueError：Concatenate层需要具有匹配形状的输入，但凹轴除外。得到输入形状：(无，20)，(无，20)，(无，20，5)

你能帮帮我吗?这是我的代码片段:如果你需要更多细节，请告诉我。

Keras的Elmo

class ElmoEmbeddingLayer(Layer):
    def __init__(self, **kwargs):
        self.dimensions = 1024
        self.trainable = True
        super(ElmoEmbeddingLayer, self).__init__(**kwargs)
def build(self, input_shape):
        self.elmo = hub.Module('https://tfhub.dev/google/elmo/2', trainable=self.trainable, name="{}_module".format(self.name))
        self.trainable_weights += K.tf.trainable_variables(scope="^{}_module/.*".format(self.name))
        super(ElmoEmbeddingLayer, self).build(input_shape)
def call(self, x, mask=None):
        result = self.elmo(K.squeeze(K.cast(x, tf.string), axis=1),
                      as_dict=True,
                      signature='default',
                      )['default']
        return result
def compute_mask(self, inputs, mask=None):
        return K.not_equal(inputs, '--PAD--')
def compute_output_shape(self, input_shape):
        return (input_shape[0], self.dimensions)

我的模型

pos_embedding_layer = Embedding(output_dim = pos_tag_embedding_size,
                         input_dim = len(SPACY_POS_TAGS),
                         input_length = sent_maxlen,
                         name='pos_embedding_layer')
inputs = [Input((sent_maxlen,), dtype='int32', name='word_inputs'),
            Input((sent_maxlen,), dtype='int32', name='predicate_inputs'),
            Input((sent_maxlen,), dtype='int32', name='postags_inputs')]

# ElmoEmbeddingLayer()
embedding_layer = ElmoEmbeddingLayer()

embeddings = [embedding_layer(inputs[0]), 
               embedding_layer(inputs[1]),
                pos_embedding_layer(inputs[2])]

outputI = predict_layer(dropout(latent_layers(keras.layers.concatenate(embeddings))))
#error thrown here in outputI

## ------> 10]Build model 
model = Model(inputs, outputI)

Answer 1

你还没有提供你的predict_layer。但是错误在级联层，所以可以使用您提供的代码来解决此错误。首先，我感到惊讶的是，您没有在前面得到错误，因为带有signature='default'的Elmo需要一个字符串作为它的输入。(您应该以空格分隔的令牌(例如["the cat is on the mat", "dogs are in the fog"] )提供所有输入)或使用

embeddings = elmo(
inputs={
"tokens": tokens_input,
"sequence_len": tokens_length
},
signature="tokens",
as_dict=True)["elmo"]

但是现在让我们使用空间分隔的令牌。

因此，ElmoEmbeddingLayer输入的唯一可能值是1，我们得到

from keras.layers import Concatenate
sent_maxlen = 20
inputs = [Input(shape=(1, ), dtype="string"),
          Input(shape=(1, ), dtype="string"), 
          Input(shape=(sent_maxlen, ), dtype="int32")]
embeddings = [embedding_layer(inputs[0]), 
               embedding_layer(inputs[1]),
                pos_embedding_layer(inputs[2])]
concat = Concatenate(embeddings)

所以现在它起作用了(至少对我来说是这样)。今后，我建议您将签名从'default'更改为'elmo'。