问题描述
我目前正在调整我的代码以使其能够处理稀疏数据,而我被困在此自动编码器中:
model = keras.Sequential([
keras.Input(shape=(input_dim,1),sparse=True),keras.layers.LSTM(outer_hidden_dim,activation='relu',return_sequences=True,kernel_regularizer=keras.regularizers.l2(0.00)),keras.layers.LSTM(inner_hidden_dim,return_sequences=False),keras.layers.RepeatVector(training_data.shape[1]),return_sequences=True),keras.layers.Timedistributed(keras.layers.Dense(input_dim))
])
model.compile(optimizer='adam',loss='mae')
model.fit(
training_data,training_data,batch_size=batch_size,shuffle=True,epochs=epochs,callbacks=[statistics,tensorboard_callback]
)
作为训练数据,我使用从COO矩阵创建的SparseTensor:
training_data = tf.sparse.reorder(tf.SparseTensor(
indices=np.array([training_data.row,training_data.col]).T,values=training_data.data,dense_shape=training_data.shape
))
training_data = tf.sparse.reshape(training_data,[-1,1,input_dim])
当我尝试运行它时,出现以下错误:
Failed to convert object of type <class
'tensorflow.python.framework.sparse_tensor.SparseTensor'> to Tensor. Contents:
SparseTensor(indices=Tensor("input_1/indices:0",shape=(None,3),dtype=int64),values=Tensor("input_1/values:0",),dtype=float64),dense_shape=Tensor("input_1/shape:0",shape=(3,dtype=int64)). Consider casting elements
to a supported type.
我尝试使用自定义训练循环;但是,我在那里也遇到相同的错误。我可以在训练循环中对每个批次进行致密化处理,但这将使我为什么首先要处理稀疏数据的目的变得不成立。任何帮助将不胜感激。
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@)