Question

我正在学习如何使用LSTM RNN。我看到了这个教程：https://www.youtube.com/watch?v=SeffmcG42SY& 之后，我尝试应用我学到的东西并更改数据集。问题是，我有点失去了所有的重塑，我真的不知道如何使用它们以及为什么它们在这里...... 我的数据集有7列和546行。这是我的超参数

# hyperparameters
lr = 0.001
training_iters = 100000
batch_size = 64

n_inputs = 7   # columns
n_steps = 546  # rows
n_hidden_units = 128   # neurons in hidden layer
n_classes = 1  # class

当我启动会话时，它看起来像这样：

with tf.Session() as sess:
    init = tf.global_variables_initializer()
    sess.run(init)
    step = 0
    while step * batch_size < training_iters:
        batch_xs, batch_ys = inputX, inputY
        batch_xs = batch_xs.reshape([batch_size, n_steps, n_inputs])
        sess.run([train_op], feed_dict={
            x: batch_xs,
            y: batch_ys,
        })
        if step % 20 == 0:
            print(sess.run(accuracy, feed_dict={
            x: batch_xs,
            y: batch_ys,
            }))
        step += 1

然后，我有一条错误消息

“无法将3822大小的阵列重塑为形状（64,546,7）”

如果有人能解释我的工作方式和/或如何解决问题，那真的很棒！

谢谢

Answer 1

LSTM Cell有输入，LSTM单元随着时间的推移展开，用于一个序列的不同输入。由于我们使用批量学习算法，我们需要提供一批输入。因此，tesorflow中的LSTM输入具有形状（batch_size X时间步长以展开X输入大小）。

在你的情况下

batch_size = 64
次展开展开= 546
输入尺寸= 7

根据您输入的方式（如何进行特征提取），您将不得不将其重塑为64 X 546 X 7（== 244608）如果您的输入大小为3822，那么其中的哪一个会失败

将LSTM从序列预测到序列预测（一对一模型）。例如，假设你有一个句子列表（比方说S句）。假设你在每个句子中都有W个单词。现在，您要预测每个句子中每个单词的词性标记。假设您将每个单词表示为热门编码，并且您的词汇量大小为V.因此热门编码向量的大小将为V.

现在您的LSTM模型输入形状将是（批量大小X W X V），其中批量大小是＆lt;＆lt; S和通常是32或64。

LSTM Tensor形状和超参数Tensorflow

1 个答案: