为 GRU 调整 LSTM 编码器解码器序列预测循环

问题描述

我该如何解决这个错误？

ValueError: Layer model_101 expects 2 input(s),but it received 1 input tensors. Inputs received: [<tf.Tensor 'IteratorGetNext:0' shape=(None,1,64) dtype=float32>]

我正在关注 Jason brownlee 关于如何开发用于序列到序列预测的编码器-解码器模型的 guide。除了使用 LSTM 单元，我还希望能够使用 GRU 单元。我设法使用 LSTMa 和 GRU 使一切正常工作，我可以通过调整教程中的“define_models”函数来定义和训练模型，如下所示：

def define_models(n_input,n_output,hparams):
  n_units = hparams["NUmunitS"]
  Unit = tf.keras.layers.LSTM if hparams["UNIT"] =="LSTM" else tf.keras.layers.GRU
  dropout = hparams["DROPOUT"]

    # define training encoder
  encoder_inputs = Input(shape=(None,n_input))
  encoder = Unit(n_units,return_state=True)

  if hparams["UNIT"] == "LSTM":
    encoder_outputs,state_h,state_c = encoder(encoder_inputs)
    encoder_states = [state_h,state_c]
  else:
    encoder_outputs,state_h = encoder(encoder_inputs)
    encoder_states = [state_h]
    
  # define training decoder
  decoder_inputs = Input(shape=(None,n_output))
  decoder_lstm = Unit(n_units,return_sequences=True,return_state=True)

  if hparams["UNIT"] == "LSTM":
    decoder_outputs,_,_ = decoder_lstm(decoder_inputs,initial_state=encoder_states)
  else:
    decoder_outputs,initial_state=encoder_states)

  decoder_dense = Dense(n_output)
  decoder_outputs = decoder_dense(decoder_outputs)
  model = Model([encoder_inputs,decoder_inputs],decoder_outputs)
  
  # define inference encoder
  encoder_model = Model(encoder_inputs,encoder_states)
  # define inference decoder
  decoder_state_input_h = Input(shape=(n_units,))

  if hparams["UNIT"] == "LSTM":
    decoder_state_input_c = Input(shape=(n_units,))
    decoder_states_inputs = [decoder_state_input_h,decoder_state_input_c]
    decoder_outputs,state_c = decoder_lstm(decoder_inputs,initial_state=decoder_states_inputs)
    decoder_states = [state_h,state_c]
  else:
    decoder_states_inputs = [decoder_state_input_h]
    decoder_outputs,state_h = decoder_lstm(decoder_inputs,initial_state=decoder_states_inputs)
    decoder_states = [state_h]

  decoder_outputs = decoder_dense(decoder_outputs)
  decoder_model = Model([decoder_inputs] + decoder_states_inputs,[decoder_outputs] + decoder_states)
  # return all models
  return model,encoder_model,decoder_model

我按照教程中的方法训练了 GRU-Encoder-Decoder 模型，当我想用​​它来使用这个调整后的 predict_sequence 函数预测序列时：

def predict_sequence(infenc,infdec,source,n_steps,cardinality,hparams):

  unit = hparams['UNIT']
  print(f'unit: {unit}')

  state = infenc.predict(source)
  target_seq = np.array([0.0 for _ in range(cardinality)]).reshape(1,cardinality)
  output = list()
  
  for t in range(n_steps):
    if unit == "LSTM":
     yhat,h,c = infdec.predict([target_seq] + state)
    else:  
     yhat,h = infdec.predict([target_seq] + state)
    
    output.append(yhat[0,:])
    if unit == "LSTM":
      state = [h,c]
    else:
      state = [h]
    target_seq = yhat
  return np.array(output)

但是在这个函数中的行 yhat,= infdec.predict([target_seq] + state) 产生错误。

作为如何调整代码以使其适用于 GRU 的参考，我使用了来自 Keras 的 guide。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）