如何向Embedding层输入列表？多输入拼接维度错误排查

嘿，我帮你分析下你遇到的这个ValueError: total size of new array must be unchanged问题——根源出在你对tags输入的Embedding输出做Reshape的方式上。

先拆解下你的代码逻辑：

• user和movie输入都是shape=(1,)，经过Embedding后得到(batch_size,1,n_factors)，再用Reshape((n_factors,))把多余的维度去掉，变成(batch_size,n_factors)，这部分完全没问题。
• 但tags输入是shape=(25,)，经过Embedding层后，输出的形状是(batch_size,25,n_factors)——这时候你直接用Reshape((n_factors,))，相当于要把25*n_factors个元素压缩成n_factors个，总元素数直接变了，自然会触发报错。

两种可行的修改方案 #

方案一：用全局平均池化合并25个Embedding向量

这是最常用的方式，把25个长度为n_factors的向量做平均，得到一个统一的n_factors维度向量，和user、movie的输出维度对齐：

tags = Input(shape=(25,))
t = Embedding(500, n_factors)(tags)
# 替换原来的Reshape，用全局平均池化
t = GlobalAveragePooling1D()(t)  # 输出形状: (batch_size, n_factors)

方案二：展平后用Dense层压缩维度

如果想让模型学习更复杂的组合方式，可以先把25个Embedding向量展平成一个长向量，再通过全连接层压缩到n_factors维度：

tags = Input(shape=(25,))
t = Embedding(500, n_factors)(tags)
t = Flatten()(t)  # 输出形状: (batch_size, 25*n_factors)
t = Dense(n_factors, activation='relu')(t)  # 输出形状: (batch_size, n_factors)

修改后的完整代码示例 #

from tensorflow.keras.layers import Input, Embedding, Reshape, Concatenate, Dropout, Dense, Activation, Lambda, GlobalAveragePooling1D
from tensorflow.keras.regularizers import l2
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.models import Model

def rec(n_users, n_movies, n_factors, min_rating, max_rating):
    user = Input(shape=(1,))
    u = Embedding(n_users, n_factors, embeddings_initializer='he_normal', embeddings_regularizer=l2(1e-6))(user)
    u = Reshape((n_factors,))(u)
    
    movie = Input(shape=(1,))
    m = Embedding(n_movies, n_factors, embeddings_initializer='he_normal', embeddings_regularizer=l2(1e-6))(movie)
    m = Reshape((n_factors,))(m)
    
    tags = Input(shape=(25,))
    t = Embedding(500, n_factors)(tags)
    # 使用方案一的全局平均池化
    t = GlobalAveragePooling1D()(t)
    
    x = Concatenate()([u, m, t])
    x = Dropout(0.05)(x)
    x = Dense(10, kernel_initializer='he_normal')(x)
    x = Activation('relu')(x)
    x = Dropout(0.5)(x)
    x = Dense(1, kernel_initializer='he_normal')(x)
    x = Activation('sigmoid')(x)
    x = Lambda(lambda x: x * (max_rating - min_rating) + min_rating)(x)
    
    model = Model(inputs=[user, movie, tags], outputs=x)
    opt = Adam(lr=0.001)
    model.compile(loss='mean_squared_error', optimizer=opt)
    return model

另外确认下你的X_train_array结构是没问题的：第三个元素是形状为(样本数,25)的数组，完全匹配Input(shape=(25,))的要求，修改后应该就能正常运行了。

内容的提问来源于stack exchange，提问作者ashishjohn