Question

我有一组X_train 744983个样本分为24443个序列，而每个序列中的样本数不同。每个样本是30维的向量。如何将这些数据输入Keras的LSTM？以下是火车组的一些描述：

print(type(X_train))
print(np.shape(X_train))
print(type(X_train[0]))
print(np.shape(X_train[0]))

<class 'list'>
(24443, )
<class 'numpy.ndarray'>
(46, 30)

当我以这种方式设置参数时：

model = Sequential()
model.add(LSTM(4, input_shape = (30, ), return_sequences=True,))
model.add(Dense(1))
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam')
model.fit(X_train, y_train, epochs=1, batch_size=1, verbose=2`)

错误是＆＃34;输入0与图层lstm_24不兼容：预期ndim = 3，找到ndim = 2＆＃34;

如果我将input_shape从（30，）更改为（None，30），则代码运行1分钟，在检查模型输入时出现错误＆＃39;错误：您传递给您的Numpy数组的列表模型不是模型预期的大小。预计会看到1个阵列，但却得到了以下24443阵列列表＆＃39;

此外，如果我在拟合之前将X_train更改为nparrays，则错误变为：预期lstm_26_input具有3个维度，但是具有形状的数组（24443,1）

我也尝试填充序列：

X_train = sequence.pad_sequences(X_train)
X_test = sequence.pad_sequences(X_test)

然而，它将我的输入转为＆＃39; 0＆＃39;，＆＃39; 1＆＃39;，＆＃39; -1＆＃39;到处..

#X_train = np.array(X_train)
#X_test = np.array(X_test)
print(X_train[0])
[[ 0  0  0 ...,  0  0  0]
 [ 0  0  0 ...,  0  0  0]
 [ 0  0  0 ...,  0  0  0]
 ..., 
 [ 0  0  0 ...,  0  1 -1]
 [ 0  0  0 ...,  0  1  0]
 [ 0  0  0 ...,  0  0  0]]

Answer 1

默认情况下，sequence.pad_sequences将数据转换为int32 dtype：

tf.keras.preprocessing.sequence.pad_sequences(
    sequences,
    maxlen=None,
    dtype='int32',  # problem is here
    padding='pre',
    truncating='pre',
    value=0.0
)

尝试将dtype更改为float32：

X_train = sequence.pad_sequences(X_train, dtype='float32')
X_test = sequence.pad_sequences(X_test, dtype='float32')

我怎样才能将不同长度的序列传递给keras上的LSTM？

1 个答案: