当我包含BiLSTM层时，使用Tensorflow模型的形状秩问题

Question

我在开发带有tensorflow 2.3的NN模型时遇到了一个问题，该模型在我将BiLSTM层包含到模型中时立即出现。我尝试了一个自定义模型，但这是Keras文档页面中的一个，而且它也失败了

• 输入形状不会有问题，因为这发生在编译时，并且输入数据尚未提供给模型
• 在另一台机器上试过，它在同一版本的tensorflow上运行良好

我使用的代码是：

from tensorflow import keras
from tensorflow.keras import layers

max_features = 20000  # Only consider the top 20k words
maxlen = 200  # Only consider the first 200 words of each movie review

# Input for variable-length sequences of integers
inputs = keras.Input(shape=(None,), dtype="int32")
# Embed each integer in a 128-dimensional vector
x = layers.Embedding(max_features, 128)(inputs)
# Add 2 bidirectional LSTMs
x = layers.Bidirectional(layers.LSTM(64, return_sequences=True))(x)
x = layers.Bidirectional(layers.LSTM(64))(x)
# Add a classifier
outputs = layers.Dense(1, activation="sigmoid")(x)
model = keras.Model(inputs, outputs)
model.summary()

输出错误为：

InvalidArgumentError: Shape must be at least rank 3 but is rank 2 for '{{node BiasAdd}} = BiasAdd[T=DT_FLOAT, data_format="NCHW"](add, bias)' with input shapes: [?,256], [256].

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)
<ipython-input-7-dd69b7331e68> in <module>
      7 x = layers.Embedding(max_features, 128)(inputs)
      8 # Add 2 bidirectional LSTMs
----> 9 x = layers.Bidirectional(layers.LSTM(64, return_sequences=True))(x)
     10 x = layers.Bidirectional(layers.LSTM(64))(x)
     11 # Add a classifier

Answer 1

我发现了问题，所以我回答我自己的问题

Keras中有一个设置，用于指定处理（并且仅影响）图像数据的方式

• 频道持续时间。图像数据以三维数组表示，其中最后一个通道表示颜色通道，例如[行][列][通道]

• 先播放频道。图像数据以三维数组表示，其中第一个通道表示颜色通道，例如[通道][行][列]

Keras对不同的后端保持不同的设置，这被设置为Tensorflow的最后一个通道，但在我们的星球上，它看起来是首先设置为通道的

谢天谢地，这可以手动设置，我通过以下方法解决了它：

tensorflow.keras.backend.set_image_data_format("channels_last")

在上述直接来自Keras文档的示例中，它将如下所示：

max_features = 20000  # Only consider the top 20k words
maxlen = 200  # Only consider the first 200 words of each movie review

tensorflow.keras.backend.set_image_data_format("channels_last") # <  THIS FIXES IT

# Input for variable-length sequences of integers
inputs = keras.Input(shape=(None,), dtype="int32")
# Embed each integer in a 128-dimensional vector
x = layers.Embedding(max_features, 128)(inputs)
# Add 2 bidirectional LSTMs
x = layers.Bidirectional(layers.LSTM(64, return_sequences=True))(x)
x = layers.Bidirectional(layers.LSTM(64))(x)
# Add a classifier
outputs = layers.Dense(1, activation="sigmoid")(x)
model = keras.Model(inputs, outputs)
model.summary()

我很惊讶这个设置使得LSTM无法实例化，并且不确定这是否应该被视为一个bug

More info on this topic