Question

我尝试对系统的状态进行分类。

我有100个训练样本包含超过1218个时间步33个输入参数。

所以我有X_train.shape = [100,1218,33]。

我使用深度学习库Keras来预测输出Y = 0或1.

model = Sequential()
model.add(LSTM(4, input_shape=(1218 , 33), return_sequences=True))
model.add(TimeDistributed(Dense(1, activation = 'softmax')))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

不幸的是，我有以下错误，我不知道如何解决：

ValueError：检查目标时出错：预期time_distributed_3有3个维度，但得到的数组有形状（100,1）

有人知道如何解决这个问题吗？

问候。

Answer 1

您提供的模型需要序列的每个时间步长的目标。如果整个序列只有一个目标（并且错误消息中的目标形状表明了这一点），则需要按以下方式修改模型：将return_sequences设置为false并删除TimeDistributed包装器：

model = Sequential()
model.add(LSTM(4, input_shape=(1218 , 33), return_sequences=False))
model.add(Dense(1, activation = 'softmax'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

Keras：随着时间的推移分类

1 个答案: