我正在尝试使用名为“Stacked LSTM进行序列分类”的the example described in the Keras documentation（请参阅下面的代码），并且无法在我的数据上下文中找出input_shape参数。
我输入了一个由25个可能字符组成的序列矩阵，这些字符以整数编码为最大长度为31的填充序列。因此，我的x_train形状为(1085420, 31)，意为{{1} }。
(n_observations, sequence_length)在此代码中，from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np
data_dim = 16
timesteps = 8
num_classes = 10
# expected input data shape: (batch_size, timesteps, data_dim)
model = Sequential()
model.add(LSTM(32, return_sequences=True,
input_shape=(timesteps, data_dim))) # returns a sequence of vectors of dimension 32
model.add(LSTM(32, return_sequences=True)) # returns a sequence of vectors of dimension 32
model.add(LSTM(32)) # return a single vector of dimension 32
model.add(Dense(10, activation='softmax'))
model.compile(loss='categorical_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
# Generate dummy training data
x_train = np.random.random((1000, timesteps, data_dim))
y_train = np.random.random((1000, num_classes))
# Generate dummy validation data
x_val = np.random.random((100, timesteps, data_dim))
y_val = np.random.random((100, num_classes))
model.fit(x_train, y_train,
batch_size=64, epochs=5,
validation_data=(x_val, y_val))
的形状为x_train，对于包含16个元素的8个数组的1000个数组的数组。在那里，我完全迷失了我的数据是什么以及如何达到这种形状。
看看Keras doc和各种教程以及Q＆amp; A，我似乎错过了一些明显的东西。有人能给我一些要找的东西吗？
感谢您的帮助！
答案 0 :(得分：2)
因此，LSTM的数据输入应具有(nb_of_samples, seq_len, features)形状。在您的情况下 - 因为您的要素向量只包含一个整数 - 您应该调整X_train应该具有形状(1085420, 31, 1)的大小。由于这种表示不适合神经网络 - 你应该：
将您的表示更改为 one-hot 编码 - 然后您的输出应具有形状(1085420, 31, 25)。
使用Embedding图层并保留(1085420, 31)形状。