Блог

Я создаю модель LSTM на основе следующих параметров

 embed_dim = 128
lstm_out = 200
batch_size = 32

model = Sequential()
model.add(Embedding(2500, embed_dim,input_length = X.shape[1]))
model.add(Dropout(0.2))
model.add(LSTM(lstm_out))
model.add(Dense(2,activation='sigmoid'))
model.compile(loss = 'categorical_crossentropy', optimizer='adam',metrics = ['accuracy'])
print(model.summary())

Xtrain, Xtest, ytrain, ytest = train_test_split(X, train['target'], test_size = 0.2, shuffle=True)
print(Xtrain.shape, ytrain.shape)
print(Xtest.shape, ytest.shape)

model.fit(Xtrain, ytrain, batch_size =batch_size, epochs = 1,  verbose = 5)
  

но я получаю следующую ошибку

 ValueError: Shapes (32, 1) and (32, 2) are incompatible
  

Можете ли вы помочь мне с этой ошибкой?

Ваш y_train исходит из одного столбца фрейма данных Pandas, который представляет собой один столбец. Это подходит, если ваша проблема классификации является проблемой двоичной классификации 0/1. Тогда вам нужен только один нейрон в выходном слое.

 model = Sequential()
model.add(Embedding(2500, embed_dim,input_length = X.shape[1]))
model.add(Dropout(0.2))
model.add(LSTM(lstm_out))
# Only one neuron in the output layer
model.add(Dense(1,activation='sigmoid'))