Question

我正在尝试进行多级分类，以下是我的训练输入和输出的详细信息：

train_input.shape =（1,95000,360）（每个输入数组长度为95000）   元素是一个360长度的数组）

train_output.shape =（1,95000,22）（22门课程）

model = Sequential()

model.add(LSTM(22, input_shape=(1, 95000,360)))
model.add(Dense(22, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
print(model.summary())
model.fit(train_input, train_output, epochs=2, batch_size=500)

错误是：

ValueError：输入0与图层lstm_13不兼容：预期ndim = 3，发现ndim = 4 排队： model.add（LSTM（22，input_shape =（1,95000,360）））

请帮助我，我无法通过其他答案解决。

Answer 1

我通过制作

解决了这个问题

输入大小：（95000,360,1）和输出大小：（95000,22）

并在定义模型的代码中将输入形状更改为（360,1）：

model = Sequential()
model.add(LSTM(22, input_shape=(360,1)))
model.add(Dense(22, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
print(model.summary())
model.fit(ml2_train_input, ml2_train_output_enc, epochs=2, batch_size=500)

Answer 2

input_shape应该是（timesteps，n_features）。删除第一个维度。

input_shape = (95000,360)

输出相同。

Answer 3

嗯，我认为主要的问题在于网络中的return_sequences参数。对于最后一层和{ {1}}用于其他上一层。

Answer 4

return_sequences不应在所有层中都设置为True，只是不要在最后一层中将其设置为空，并省略return_sequences=True

ValueError：输入0与层lstm_13不兼容：预期ndim = 3，找到ndim = 4

4 个答案: