Question

我正在尝试创建功能API，而不是顺序API。我之前使用顺序API构建了该模型，并且效果很好。这是一个LSTM，我在batch_size从Input到LSTM层时遇到了麻烦。顺序API的构建如下：

new_model = Sequential()
new_model.add(LSTM(n_neurons, batch_input_shape=(batch_size,train_X.shape[1], train_X.shape[2]), activation='tanh', stateful=True, return_sequences=True))
new_model.add(Dropout(0))
new_model.add(LSTM(n_neurons, batch_input_shape=(batch_size,train_X.shape[1], train_X.shape[2]), activation='tanh', stateful=True))
new_model.add(Dropout(0))
new_model.add(Dense(n_neurons1, activation='tanh'))
new_model.add(Dropout(0.1))
new_model.add(Dense(nm))
new_model.compile(loss='mse', optimizer=optimizer)

上面的代码片段工作正常。我正在尝试使用的功能性API如下：

inp = Input(shape = (train_X.shape[1], train_X.shape[2]), batch_size = batch_size)
L1 = LSTM(n_neurons, batch_input_shape=(batch_size,train_X.shape[1], train_X.shape[2]), activation='tanh', stateful=True, return_sequences=True)(inp)
D1 = Dropout(0)(L1)
L2 = LSTM(n_neurons, batch_input_shape=(batch_size,train_X.shape[1], train_X.shape[2]), activation='tanh', stateful=True, return_sequences=True)(D1)
D2 = Dropout(0)(L2)
F1 = Dense(n_neurons1, activation='tanh')(D2)
D3 = Dropout(0.1)(F1)
out = Dense(nm)
new_model = Model(inp,out)
new_model.compile(loss='mse', optimizer=optimizer)

即使我知道batch_size是Input层的参数，我也会收到一条错误消息，提示“ Input（）得到了意外的关键字参数'batch_size”。然后，如果我放弃了该参数，则第一个LSTM层会报错：

“如果RNN是有状态的，则需要知道其批处理大小。指定输入张量的批处理大小：

如果使用顺序模型，请通过将batch_input_shape参数传递到第一层来指定批处理大小。
如果使用功能性API，请通过向输入层传递batch_shape参数来指定批处理大小。“

我已经尝试过更新tensorflow，但这不能解决Input（）问题。我从这里去哪里？

Answer 1

您描述了通过功能性API传递batch_size参数并收到错误提示“将batch_shape参数传递给输入层”。

如果您尝试将输入层中的batch_size = batch_size更改为

batch_shape = (batch_size,train_X.shape[1], train_X.shape[2])

能解决吗？

输入层和第一个LSTM层的Keras功能API问题

1 个答案: