Question

我正在尝试开发Keras LSTM代码。我有输入数据代表音频功能，就像那样。

训练项目[210969]

特征向量[40]

批量大小[256]

数据示例

[[ - 1.66514225 -0.44892017 0.24430933 ...， - 0.96550658 -1.3456034 -1.76591301] [-1.79528513 -1.68822871 0.05168475 ...， - 0.23602946 -0.26985581 -0.0951985] [-0.09728797 -1.27619953 -1.48452426 ...， - 1.11481965 -0.22158974 -1.10055417]]

在我的Python代码中，我使用了Keras库。我尝试构建LSTM图层。我正在使用input_shape，但我无法使用。我尝试将输入数据从2维重塑为3维。你可以看到适合的功能。

.........
elif classname == 'LSTM':
    layer_setup['config']['input_shape'] = (210969,40)
............
.......... 
model.fit(
            x=X_training.reshape(256,X_training.shape[0],X_training.shape[1]),
            y=Y_training.reshape(256,Y_training.shape[0],Y_training.shape[1]),
            batch_size=256,
            epochs=500,
            validation=validationdata,
            verbose=0,
            shuffle=true,
            callbacks=callbacks,
            class_weight=class_weight
        )

我在运行代码时遇到了错误

无法将大小为8438760的数组重塑为形状（256,210969,40）

我该怎么办？感谢

Answer 1

我认为您应该在模型创建之外重塑数据，因为这样一来，您将尝试从大小为256 * 210969 * 40的向量创建8438760的向量。我认为您实现自己想要的方式是这样的：

X = X_training.reshape((layer_setup['config']['input_shape'])) # now X.shape = 210969 * 40
y = Y_training.reshape((Y_training.shape[0],Y_training.shape[1]))
...
model.fit(
            x = X,
            y = y,
            batch_size=256,
            epochs=500,
            validation=validationdata,
            verbose=0,
            shuffle=true,
            callbacks=callbacks,
            class_weight=class_weight
        )

无法在Keras

1 个答案: