Question

我正在尝试将具有20个功能的序列提供给LSTM网络，如代码所示。但是我得到一个错误，我的Input0与LSTM输入不兼容。不确定如何更改我的图层结构以适应数据。

def build_model(features, aux1=None, aux2=None):
# create model
features[0] = np.asarray(features[0])
main_input = Input(shape=features[0].shape, dtype='float32', name='main_input')
main_out   = LSTM(40, activation='relu')
aux1_input = Input(shape=(len(aux1[0]),),   dtype='float32', name='aux1_input')
aux1_out   = Dense(len(aux1[0]))(aux1_input)
aux2_input = Input(shape=(len(aux2[0]),),   dtype='float32', name='aux2_input')
aux2_out   = Dense(len(aux2[0]))(aux2_input)
x = concatenate([aux1_out, main_out, aux2_out])
x = Dense(64, activation='relu')(x)
x = Dropout(0.5)(x)
output = Dense(1, activation='sigmoid', name='main_output')(x)
model = Model(inputs=[aux1_input, aux2_input, main_input], outputs= [output])
return model

特征变量是一个形状数组（1456,20）我有1456天，每天我有20个变量。

Answer 1

LSTM图层设计用于＆＃34;序列＆＃34;。

你说你的序列有20个功能，但它有多少时间步长？你的意思是20个步骤吗？

LSTM图层需要输入形状，例如(BatchSize, TimeSteps, Features)。

如果您在每个1 feature中都有20 time steps，则必须将数据整形为：

inputData = someData.reshape(NumberOfSequences, 20, 1)

Input张量应该采用这种形式：

main_input = Input((20,1), ...) #yes, it ignores the batch size

Answer 2

你的main_input应该是(samples, timesteps, features)的形状然后你应该像这样定义main_input：

main_input = Input(shape=(timesteps,))  # for stateless RNN (your one)

或main_input = Input(batch_shape=(batch_size, timesteps,))用于有状态RNN（不是您在示例中使用的那个）

如果您的features[0]是各种要素的1维数组（1个步骤），那么您还必须重塑features[0]，如下所示：

features[0] = np.reshape(features[0], (1, features[0].shape))

然后执行features[1]，features[2]等

或者更好地重塑您的所有样品：

features = np.reshape(features, (features.shape[0], 1, features.shape[1]))

Keras LSTM层输入形状

2 个答案: