Question

我有一个大小为（1152,151）的（非文本）数据集。我希望将其分为8批，每批包含144个样本，用于在Keras中训练LSTM网络。我将要发送到LSTM的数据重塑为（8,144,151）。这是正确的输入形状吗？因为当我将其作为输入发送并在该层以及下一个LSTM层也具有return_sequences = False时，出现了错误：

期望n_dim = 3，得到n_dim = 2。

X_train = X_train.reshape((8,144,151))
def deepmodel():
  model = Sequential()
  model.add(LSTM(8,input_shape=(144,151),return_sequences=False))
  model.add(LSTM(8,return_sequences=False))
  model.add(Dense(8))
  model.add(Activation('softmax'))
  adam=Adam()
  model.compile(loss = 'categorical_crossentropy', optimizer = adam)
return model

Answer 1

您将在model.fit(...., batch_size=8)中设置批次大小。查看下面的示例，它应该清除您的错误消息。如果您要寻找多个时滞，请务必查看这个精彩的blog post。

X_train = X_train.reshape((X_train.shape[0], 1, X_train.shape[1]))
def deepmodel():
  model = Sequential()
  model.add(LSTM(8,input_shape=(train_X.shape[1], train_X.shape[2]), return_sequences=False))
  model.add(LSTM(8,return_sequences=False))
  model.add(Dense(8))
  model.add(Activation('softmax'))
  adam=Adam()
  model.compile(loss = 'categorical_crossentropy', optimizer = adam)
return model

时间序列数据时用于LSTM的输入

1 个答案: