Question

我正在尝试使用keras实现多输入LSTM模型。代码如下：

data_1 -> shape (1150,50) 
data_2 -> shape (1150,50)
y_train -> shape (1150,50)

input_1 = Input(shape=data_1.shape)
LSTM_1 = LSTM(100)(input_1)

input_2 = Input(shape=data_2.shape)
LSTM_2 = LSTM(100)(input_2)

concat = Concatenate(axis=-1)
x = concat([LSTM_1, LSTM_2])
dense_layer = Dense(1, activation='sigmoid')(x)
model = keras.models.Model(inputs=[input_1, input_2], outputs=[dense_layer])

model.compile(loss='binary_crossentropy',
                      optimizer='adam',
                      metrics=['acc'])

model.fit([data_1, data_2], y_train, epochs=10)

当我运行此代码时，我得到一个ValueError：

ValueError：检查模型输入时出错：预期input_1有3个维度，但得到的数组有形状（1150,50）

有没有人能解决这个问题？

Answer 1

在定义模型之前使用data1 = np.expand_dims(data1, axis=2)。 LSTM期望输入维度为(batch_size, timesteps, features)，因此，在您的情况下，我猜您有1个要素，50个时间步长和1150个样本，您需要在向量的末尾添加维度。

这需要在定义模型之前完成，否则当您设置input_1 = Input(shape=data_1.shape)时，您告诉keras您的输入有1150个步骤和50个特征，因此它将期望输入形状(None, 1150, 50)（ non代表“任何维度将被接受”）。

同样适用于input_2

希望这有帮助

Keras中LSTM输入尺寸的问题

1 个答案: