python - 我们如何针对任意长度的输入训练深度学习模型？

Question

我使用 keras 创建了一个深度学习模型。我正在根据不同长度的评论训练模型。我对输入数据进行了预处理，并将其填充为相等的长度。在预测时，如果我给出的输入长度大于训练输入的长度，模型就会失败。我应该怎么办？请分享一些非常有帮助的示例。

latent_dim = 1024
inpt = Input(shape=(max_len,))  ### max_len is the final length
emb_layer = Embedding(vocabulary_size, 100, weights=[embedding_matrix], trainable = False)(inpt)
bdlstm1 = Bidirectional(LSTM(64, return_sequences = True))(emb_layer)
dns2 = Dense(no_labels, activation='softmax')(bdlstm1)
model = Model(inpt, dns2)
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x,y)

Answer 1

我想您会在这里找到满意的答案:

https://ai.stackexchange.com/questions/2008/how-can-neural-networks-deal-with-varying-input-sizes

最好的(也是唯一简单的)方法是使用 RNN。

祝你好运!