Question

我是机器学习的新手。我正在尝试在Tensorflow 2.0中创建一个简单的RNN，但遇到了麻烦。我将其简化为一个重现该问题的最小示例。这个最小示例的目的是让RNN学习重复输出1.0。

import os
import sys
import math
from random import shuffle
import numpy as np
import tensorflow as tf
from time import time as time

epochs = 200
batch_size = 32
chunk_length = 64
features = 10

def main():
    train_dataset = np.zeros([batch_size, chunk_length, features]) + 1
    test_dataset = np.zeros([batch_size, chunk_length, features]) + 1

    with tf.device('/gpu:0'):
        model = tf.keras.Sequential([
            tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(
                64, return_sequences=True)),
            tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(32)),
            tf.keras.layers.Dense(64, activation='relu'),
            tf.keras.layers.Dense(1, activation='sigmoid')
        ])
        model.compile(loss='mean_absolute_error',
            optimizer='adam',
            metrics=['accuracy'])

        history = model.fit(train_dataset, batch_size=batch_size, epochs=epochs)

        test_loss, test_acc = model.evaluate(test_dataset)

        print('Test Loss: {}'.format(test_loss))
        print('Test Accuracy: {}'.format(test_acc))

if __name__ == '__main__':
    main()

运行此命令时，我得到ValueError: Arguments and signature arguments do not match: 56 57。如果我注释掉最后一层，则得到ValueError: Arguments and signature arguments do not match: 50 51。如果我注释掉最后两层，则会得到ValueError: Arguments and signature arguments do not match: 44 45。

我尝试修改我提供的所有常量（epochs，batch_size，chunk_length和features），但这些常量对错误没有影响。我还尝试了将1逐元素加到numpy数组中，但这也没有效果。

这是TensorFlow中的bug还是我做蠢事？

Answer 1

我使用的是Tensorflow版本1.13.1，没有GPU，但是希望这仍然可以解决问题。似乎您只在输入网络输入数据（x），而没有在输入响应数据（y）。因此，该模型没有什么要学习的。我只添加了响应数据train_Y_dataset和test_Y_dataset。以下代码在tensorflow 1.13.1中对我有用，请参见注释以获取更改：

import os
import sys
import math
from random import shuffle
import numpy as np
import tensorflow as tf
from time import time as time

epochs = 200
batch_size = 32
chunk_length = 64
features = 10

def main():
    train_X_dataset = np.zeros([batch_size, chunk_length, features]) + 1
    # add train_Y_dataset:
    train_Y_dataset = np.zeros([batch_size, 1]) + 1
    test_X_dataset = np.zeros([batch_size, chunk_length, features]) + 1
    # add test_Y_dataset:
    test_Y_dataset = np.zeros([batch_size, 1]) + 1 #1

    #with tf.device('/gpu:0'):
    model = tf.keras.Sequential([
        tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(
            64, return_sequences=True)),
        tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(32)),
        tf.keras.layers.Dense(64, activation='relu'),
        tf.keras.layers.Dense(1, activation='sigmoid')
    ])
    model.compile(loss='mean_absolute_error',
        optimizer='adam',
        metrics=['accuracy'])

    # add the response variable train_Y_dataset in fit    
    history = model.fit(x=train_X_dataset, y=train_Y_dataset, batch_size=batch_size, epochs=epochs)

    # add the response variable test_Y_dataset in evaluate   
    test_loss, test_acc = model.evaluate(x=test_X_dataset, y=test_Y_dataset)

    print('Test Loss: {}'.format(test_loss))
    print('Test Accuracy: {}'.format(test_acc))

if __name__ == '__main__':
    main()

Answer 2

请记住，model.fit()和model.evaluate()之类的功能需要传递标签。

Tensorflow 2.0 Beta：Model.fit（）抛出ValueError：参数和签名参数不匹配：56 57

2 个答案: