如何在Keras中将(无，10)-dimensional张量重塑为(无，无，10)？

Question

我正在尝试将可变大小的序列输入到LSTM中。因此，我使用的是一个生成器和一个1的批量大小。

我有一个嵌入的(sequence_length,)输入张量，并输出一个(batch_size, sequence_length, embeding_dimension)-tensor.

同时，我拥有的其他输入数据的大小为(sequence_length, features)，即(None, 10)，我想将其重塑为(batch_size, sequence_length, features)，即(None, None, 10)。

我尝试使用target_shape (-1, 10)的Keras整形层，这相当于将(None, 10)展开到(None, None, 10)，但我收到的是一个(None, 1, 10)张量，这使得无法连接这个和嵌入的数据，以便将其提供给LSTM。

我的代码：

cluster = Input(shape=(None,))
embeded = Embedding(115, 25, input_length = None)(cluster)

features = Input(shape=(10,)) #variable
reshape = Reshape(target_shape=(-1, 10))(features)

merged = Concatenate(axis=-1)([embeded, reshape])

[...]

model.fit_generator(generator(), steps_per_epoch=1, epochs=5)

输出：

[...]
ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, None, 25), (None, 1, 10)]

如何将(None, 10)重塑为Keras中的(None, None, 10)张量？

Answer 1

在NumPy中这样做对重塑没有任何好处。您可以：

# perform reshaping prior to passing to Keras
features = Input(shape=(None, 10))

并在传递给Keras之前执行整形，在那里输入中有实际的batch_size和sequence_length。