以 TFIDF 作为输入的 LSTM，尺寸误差答案

【问题标题】：LSTM with TFIDF as input, dimension error以 TFIDF 作为输入的 LSTM，尺寸误差
【发布时间】：2020-06-23 12:21:56
【问题描述】：

我正在尝试以 TFIDF 作为输入来运行 LSTM，但出现错误。我有 TFIDF，每个条目都有 11915 个维度

代码如下：

## Creating model
model=Sequential()
model.add(Bidirectional(LSTM(100, input_shape=(1, 11915),return_sequences=True)))
model.add(Dropout(0.3))
model.add(Dense(1,activation='sigmoid'))
model.build(input_shape=(1, 11915))
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
print(model.summary())

错误如下层 bidirectional_27 的输入 0 与层不兼容：预期 ndim=3，发现 ndim=2。收到的完整形状：[1, 11915]

我是这个领域的新手，任何帮助将不胜感激。如果有人编写一个虚拟代码来在这样的输入上运行双向 LSTM，那就太好了

我的输入是 10229*11915 的 tfidf。我想在 TFIDF 上使用 LSTM 作为输入进行假新闻检测

【问题讨论】：

标签： machine-learning keras deep-learning lstm tf-idf

【解决方案1】：

这是一个完整的工作示例

# create fake data
n_sample = 10229
X = np.random.uniform(0,1, (n_sample,11915))
y = np.random.randint(0,2, n_sample)

# expand X to 3D
X = X.reshape(X.shape[0],1,X.shape[-1])

model=Sequential()
model.add(Bidirectional(LSTM(100, return_sequences=False), input_shape=(1, 11915)))
model.add(Dropout(0.3))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
print(model.summary())

model.fit(X,y, epochs=3, batch_size=256)

出现错误是因为您可能没有正确管理您的数据。还要注意正确定义第一层并 return_sequences=False 因为你的输出是 2D

【讨论】：

【解决方案2】：

您想在Bidirectional 层中指定您的input_shape：

model.add(Bidirectional(LSTM(100, return_sequences=True), input_shape=(1, 11915)))

【讨论】：