使用 Keras 训练 CNN-LSTM 时卡在第一个时期

Question

我正在使用 Keras 构建用于推文 classification 的 CNN-LSTM 模型。该模型有两个输入，任务是三class class化。我用来构建模型的代码如下：

def conv2d_lstm_with_author():

    # Get the input information - author & tweet
    author_repre_input = Input(shape=(100,), name='author_input')
    tweet_input = Input(shape=(13, 100, 1), name='tweet_input')

    # Create the convolutional layer and lstm layer
    conv2d = Conv2D(filters = 200, kernel_size = (2, 100), padding='same', activation='relu', 
                    use_bias=True, name='conv_1')(tweet_input)
    flat = Flatten(name='flatten_1')(conv2d)
    reshape_flat = Reshape((260000, 1), name='reshape_1')(flat)
    lstm = LSTM(100, return_state=False, activation='tanh', recurrent_activation='hard_sigmoid', name='lstm_1')(reshape_flat)
    concatenate_layer = concatenate([lstm, author_repre_input], axis=1, name='concat_1')
    dense_1 = Dense(10, activation='relu', name='dense_1')(concatenate_layer)
    output = Dense(3, activation='softmax', kernel_regularizer=regularizers.l2(0.01), name='output_dense')(dense_1)

    # Build the model
    model = Model(inputs=[author_repre_input, tweet_input], outputs=output)
    return model

model = conv2d_lstm_with_author()
model.summary()

optimizer = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)
model.compile(optimizer=optimizer, loss='categorical_crossentropy', metrics=['accuracy'])

我的两个输入和标签的形状是：

author_repre_input: (40942, 100)
tweet_input: (40942, 13, 100, 1)
my label Train_Y: (40942, 3)

模型摘要的快照是：

当我使用以下代码训练数据时：

model.fit([author_repre_input, tweet_input], [Train_Y], epochs=20, batch_size=32, validation_split=0.2, 
          shuffle=False, verbose=2)

结果一直卡在第一个 epoch 中，日志没有显示任何有用的信息，只是：

Epoch 1/20

我想知道为什么会这样。我使用的tensorflow和keras的版本是：

tensorflow - 1.14.0
keras - 2.2.0

非常感谢您的宝贵时间！

1 月 20 日更新...

我尝试使用 Google Colab 来训练模型。我在运行模型时检查 RAM。 Colab 为我分配了 25G 内存。然而，经过几秒钟的训练，由于占用了所有可用内存，会话崩溃了...

我认为模型部分一定有问题...任何建议和见解将不胜感激！

Answer 1

幸运的是，你没有被卡住。

问题是因为您在 model.fit 中指定了参数 verbose=2。

这意味着您的代码只会在一个纪元结束时输出消息，而不会在训练过程中输出信息性消息。

要解决您的问题并查看训练进度，请设置 verbose=1。

Answer 2

我想我找到了答案...

问题出在卷积层。内核尺寸太小，导致输出层的维度太高。为了解决这个问题，我将内核大小从 (2, 100) 更改为 (3, 100)。此外，我还在我的模型中添加了 dropout。我现在使用的模型总结如下：

现在模型可以运行在 Google Colab 中顺利运行了。

因此，我想如果出现类似的问题，请检查每一层的输出维度。如果模型创建非常高维的输出，Keras API 可能会在训练时期停止。

使用 Keras 训练 CNN-LSTM 时卡在第一个时期

Stuck in the first epoch when training the CNN-LSTM using Keras

python

classification

keras

tensorflow

google-colaboratory