Question

我是tensorflow的新手，我想进行一些时间序列预测并遵循this链接。我想将36小时的数据作为输入，并将下一个连续的48小时的数据作为输出数据，因此我按如下所示进行了x和y批处理：

""" Making our training dataset with batch size of num_period """
x_batches = {'NSW': X_NSW.transpose().reshape(-1,72,1),
             'QLD': X_QLD.transpose().reshape(-1,72,1),
             'SA': X_SA.transpose().reshape(-1,72,1),
             'TAS': X_TAS.transpose().reshape(-1,72,1),
             'VIC': X_VIC.transpose().reshape(-1,72,1)}

y_batches = {'NSW': Y_NSW.transpose().reshape(-1,96,1),
                 'QLD': Y_QLD.transpose().reshape(-1,96,1),
                 'SA': Y_SA.transpose().reshape(-1,96,1),
                 'TAS': Y_TAS.transpose().reshape(-1,96,1),
                 'VIC': Y_VIC.transpose().reshape(-1,96,1)}

然后我使用上面链接中给出的相同代码（但根据需要对其进行了修改），并获得了以下代码：

inputs = 1  #input vector size
hidden = 100    
output = 1  #output vector size

X = tf.placeholder(tf.float32, [None, 72, inputs])
y = tf.placeholder(tf.float32, [None, 96, output])

basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=hidden, activation=tf.nn.relu)
rnn_output, states = tf.nn.dynamic_rnn(basic_cell, X, dtype=tf.float32)

learning_rate = 0.001   #small learning rate so we don't overshoot the minimum

stacked_rnn_output = tf.reshape(rnn_output, [-1, hidden])           #change the form into a tensor
stacked_outputs = tf.layers.dense(stacked_rnn_output, output)        #specify the type of layer (dense)
outputs = tf.reshape(stacked_outputs, [-1, 96, output])          #shape of results

但是系统抛出以下错误

outputs = tf.reshape(stacked_outputs, [-1, 96, output])          #shape of results

...

InvalidArgumentError (see above for traceback): Input to reshape is a tensor with 4104 values, but the requested shape requires a multiple of 96
     [[Node: Reshape_1 = Reshape[T=DT_FLOAT, Tshape=DT_INT32, _device="/job:localhost/replica:0/task:0/cpu:0"](dense/BiasAdd, Reshape_1/shape)]]

我知道我在下一行中犯了一些错误，但我无法弄清楚。

stacked_rnn_output = tf.reshape(rnn_output, [-1, hidden])           #change the form into a tensor
stacked_outputs = tf.layers.dense(stacked_rnn_output, output)        #specify the type of layer (dense)
outputs = tf.reshape(stacked_outputs, [-1, 96, output])          #shape of results

Answer 1

问题与您如何设置任务有关。 RNN为任何单个输入输出一个值：如果输入序列的长度为72步长，那么您的输出序列的长度将为72步长，因此您无需要求重塑为96步长的序列。

两种解决方案（但显然取决于您当前要求算法学习的内容）：

剪切输出：由于您具有该大小的输入，因此您仅对输出序列的前72个元素感兴趣。
填充输入：您仍然对96个元素的输出感兴趣，但是您不知道最后96-72个步骤的输入。您为未知输入设置了零填充，并让RNNCell的状态做出了预测。

整形的输入是具有4104值的张量，但请求的形状需要96的倍数

1 个答案: