Question

我是Keras的新手，所以我非常感谢这里的任何帮助。对于我的项目，我正在尝试在多个时间序列上训练神经网络。我通过运行for循环使其适合模型的每个时间序列来使其工作。代码如下：

for i in range(len(train)):
    history = model.fit(train_X[i], train_Y[i], epochs=20, batch_size=6, verbose=0, shuffle=True)

如果我没记错的话，我正在这里进行在线培训。现在，我正在尝试进行批量培训，以查看结果是否更好。我试图拟合一个包含所有时间序列的列表（每个时间序列都转换为numpy数组），但出现此错误：

Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 56 arrays:

以下是有关数据集和模型的信息：

model = Sequential()
model.add(LSTM(1, input_shape=(1,16),return_sequences=True))
model.add(Flatten())
model.add(Dense(1, activation='tanh'))
model.compile(loss='mae', optimizer='adam', metrics=['accuracy'])
model.summary()

Layer (type)                 Output Shape              Param #   
=================================================================
lstm_2 (LSTM)                (None, 1, 1)              72        
_________________________________________________________________
flatten_2 (Flatten)          (None, 1)                 0         
_________________________________________________________________
dense_2 (Dense)              (None, 1)                 2         
=================================================================
Total params: 74
Trainable params: 74
Non-trainable params: 0

print(len(train_X), train_X[0].shape, len(train_Y), train_Y[0].shape)

56 (1, 23, 16) 56 (1, 23, 1)

这是给我错误的代码块：

pyplot.figure(figsize=(16, 25))
history = model.fit(train_X, train_Y, epochs=1, verbose=1, shuffle=False, batch_size = len(train_X))

Answer 1

LSTM的输入形状应为-batch_size，timesteps，features。但是，如果您希望使用{{ 1}}。

batch_size

我不确定它是否符合您的目的。

如何将numpy数组列表放入LSTM神经网络？

1 个答案: