Question

我正在尝试使用Keras实现LSTM以解决多类问题。我输入了尺寸为1007x5的csv。每个实例的功能数量为5个，共有12个类别。以下是代码

seed = 7
numpy.random.seed(seed)

input_file = 'input.csv'

def load_data(test_split = 0.2):
    print ('Loading data...')
    dataframe = pandas.read_csv(input_file, header=None)
    dataset = dataframe.values

    X = dataset[:,0:5].astype(float)
    print(X)
    Y = dataset[:,5]
    print("y=", Y)    
    return X,Y


def create_model(X):
    print ('Creating model...')
    model = Sequential()

    model.add(LSTM(128, input_shape =(5,)))
    model.add(Dense(12, activation='sigmoid'))

    print ('Compiling...')
    model.compile(loss='categorical_crossentropy',
                  optimizer='rmsprop',
                  metrics=['accuracy'])
    return model


X,Y,dummy_y= load_data()
print("input Lnegth X=",len(X[0]))

model = create_model(X)

print ('Fitting model...')
hist = model.fit(X, Y, batch_size=5, nb_epoch=10, validation_split = 0.1, verbose = 1)


score, acc = model.evaluate(dummy_x,dummy_y)
print('Test score:', score)
print('Test accuracy:', acc)

在这里的不同论坛和帖子中出现此错误，我尝试了不同的输入形状，但仍然无法正常工作。当我提供输入数据形状时，我得到以下错误： 1.当我将input_shape作为X.shape [1：]时给出 - 错误是＆＃34;输入0是不兼容的层lstm_1：预期ndim = 3，找到ndim = 2＆＃34;

当我给出input_shape = X.shape [1：]）时，错误是＆＃34;值错误：检查输入时：期望lstm_1_input有3个维度，但得到的数组有形状（1007,5）＆＃34;
除了形状，如果ndim设置为5，则表示＆＃34;输入0是不兼容的图层lstm_1：预期ndim = 3，找到ndim = 2＆＃34;

lstm第一层应该输入什么？我对第1层的维度应为（128,1007,5），对吧？

Answer 1

LSTM需要3维输入。您的输入形状应采用（样本，时间步长，功能）的形式。由于keras推断第一个维度是样本，因此您应该输入（时间步长，特征）作为输入形状。

由于你的csv尺寸为1007 * 5，我认为最好的做法是将你的输入重塑为（1007,5,1），这样你的LSTM就可以获得3D输入。

所以在load_data：

里面

X = X.reshape(X.shape[0], x.shape[1], 1)

在create_model中：

model.add(LSTM(128, input_shape =(5,1)))

LSTM Keras-值输入尺寸错误

1 个答案: