Question

尝试构建单个输出回归模型，但最后一层似乎存在问题

inputs = Input(shape=(48, 1))
lstm = CuDNNLSTM(256,return_sequences=True)(inputs)
lstm = Dropout(dropouts[0])(lstm)

#aux_input
auxiliary_inputs = Input(shape=(48, 7))
auxiliary_outputs = TimeDistributed(Dense(4))(auxiliary_inputs)
auxiliary_outputs = TimeDistributed(Dense(7))(auxiliary_outputs)

#concatenate
output = keras.layers.concatenate([lstm, auxiliary_outputs])

output = TimeDistributed(Dense(64, activation='linear'))(output)
output = TimeDistributed(Dense(64, activation='linear'))(output)
output = TimeDistributed(Dense(1, activation='linear'))(output)

model = Model(inputs=[inputs, auxiliary_inputs], outputs=[output])

我是keras的新手...我收到以下错误

ValueError：检查目标时出错：预期time_distributed_5有3个维度，但得到的数组有形状（14724,1）

Answer 1

好的伙计们，我想我找到了解决办法根据 - https://keras.io/layers/wrappers/，它说我们在每个时间步长应用密集层（在我的情况下，我有48个时间步长）。因此，我的最后一层的输出将是（batch_size，timesteps，dimensions），如下所示：

output = TimeDistributed(Dense(1, activation='linear'))(output)

将是（？，48,1）因此尺寸不匹配。但是，如果我想将其转换为单个回归输出，我们将必须展平最终的TimeDistributed层

所以我添加了以下几行来修复它：

output = Flatten()(output)
output = (Dense(1, activation='linear'))(output)

所以现在时间分布层变平到49个输入（看起来像一个偏置输入）到最后的密集层到单个输出。

好的，代码工作正常，我得到了正确的结果（模型学习）。我唯一的疑问是，在数学上是否可以将TimeDistributed图层压缩为简单的密集图层，以获得如上所述的结果？

Answer 2

您能否提供有关问题背景的更多信息？测试数据或至少更多代码。你为什么一开始就选择这种架构？一个更简单的架构（只是LSTM）可以解决这个问题吗？你在回归什么？使用线性激活函数堆叠多个TimeDistributed Dense图层可能不会给模型增加太多。

检查目标时出错：预期time_distributed_5有3个维度，但得到的数组有形状（14724,1）

2 个答案: