Question

我正在尝试使用keras实现一个lstm模型。问题是我有不同形状的数据。我的数据如下：

col1 col2 col3 col4 col5

[1,2,3] [2,3,4] [3,4,5] [5,6,7] [4,5,9]

[0,2] [1,5] [1,24] [11,7] [-1,4]

[0,2,4,5] [1,5,7,8] [1,24，-7,6] [11,7,4,5] [-1,4,1,2]

我的代码是

import numpy as np
import pandas as pd
import h5py
from sklearn.model_selection import train_test_split
from keras.layers import Dense
from keras.layers import Input, LSTM
from keras.models import Model

X_train, X_test, y_train, y_test = train_test_split(X, y_target, test_size=0.2, random_state=1)  
batch_size = 32 
timesteps = 300 
output_size = 1
epochs=120

inputs = Input(batch_shape=(batch_size, timesteps, output_size))
lay1 = LSTM(10, stateful=True, return_sequences=True)(inputs)
lay2 = LSTM(10, stateful=True, return_sequences=True)(lay1)
output = Dense(units = output_size)(lay2)

regressor = Model(inputs=inputs, outputs = output)
regressor.compile(optimizer='adam', loss = 'mae')
regressor.summary()

for i in range(epochs):
    print("Epoch: " + str(i))
    regressor.fit(X_train, y_train, shuffle=False, epochs = 1, batch_size = batch_size)
    regressor.reset_states()

运行代码时出现的错误是：

ValueError: Error when checking input: expected input_5 to have 3 dimensions, but got array with shape (11200, 5) #11200 lines, 5 columns

由于

Answer 1

多维numpy数组需要具有清晰的形状，因此在同一个numpy数组中放置不同长度的数组将导致一个numpy对象数组，而不是所需的多维数组。

所以基本上它不可能一次性将数据提供给keras。

然而，有几种可能的解决方案。其中大多数要求您的时间尺度中的keras输入形状必须为None：

使用填充，数据始终具有相同的形状
使用batch_size = 1
分批对数据进行分类，使每个批次内的每个样本具有相同的形状。

最后两个选项需要使用fit_generator选项，因为您必须逐步提供数据。

深度学习（lstm）与keras和可变大小的输入

1 个答案: