Question

以下是模型：

model.add(LSTM(24, input_shape=(120,26), return_sequences = True, activation = 'relu'))
model.add(convolutional.Conv1D(filters = 1, kernel_size=120,activation ='relu'))
model.add(Dense(1))
model.add(Activation('sigmoid'))
opt1 = keras.optimizers.RMSprop(lr=0.0001, rho=0.9, epsilon=1e-08, decay=0.0)
model.compile(loss='binary_crossentropy', optimizer=opt1, metrics=['accuracy'])

filepath="model_check-{epoch:02d}-{loss:.4f}.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='loss', verbose=1, 
                             save_best_only=True, mode='min')
callbacks_list = [checkpoint]

model.fit(df_matrix3, y_matrix3, epochs=2000, batch_size=10000, verbose=2)

以下是输入的维度：

df_matrix3 = [0]*10000
df_matrix3t= [0]*10000
for x in range(10000):
    df_matrix3[x]=df_matrix[:,0+x:120+x,:]
    df_matrix3t[x] = df_matrix[:,1740000+x:1740120+x,:]
df_matrix3 = np.reshape(df_matrix3,(10000,120,26))


y_matrix3 = y[0:10000]
y_matrix3t = y[1740000:1750000]
y_matrix3t = np.reshape(y_matrix3t,(10000,1))
y_matrix3 = np.reshape(y_matrix3,(-1,10000,1))
y_matrix3c = y[1740000:1750000]

这是我得到的错误：

ValueError：检查目标时出错：预期activation_15具有形状（无，1,1）但是具有形状（1,10000,1）的数组

这个错误对我来说没有多大意义，因为当我将LSTM本身作为10,000个批次运行时，它运行正常（尽管返回Sequences设置为False）。从那时起我所做的就是在第一层中添加一个CNN图层集返回序列= True，输出应该仍然是每个输入1个项目，我希望它是1,10000,1个数组。然而，它正在寻找其他东西，我不知道为什么。

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
lstm_15 (LSTM)               (None, 120, 24)           4896      
_________________________________________________________________
conv1d_14 (Conv1D)           (None, 1, 1)              2881      
_________________________________________________________________
dense_14 (Dense)             (None, 1, 1)              2         
_________________________________________________________________
activation_14 (Activation)   (None, 1, 1)              0         
=================================================================
Total params: 7,779
Trainable params: 7,779

这些是我的图层尺寸，与我期望的一致。

Answer 1

批量大小始终是第一个维度。

你应该真的期待(10000,1,1)。

（1,1）的10000个样本。

那是(None,1,1) - 唯一的自由维度是第一个，即批量大小。

Keras LSTM - ＆gt; CNN尺寸错误

1 个答案: