Question

我正在训练一个模型来预测股票价格，而输入数据为收盘价。我使用45天的数据来预测第46天的收盘价，而经济指标将成为第二个特征，这是模型：

model = Sequential()
model.add( LSTM( 512, input_shape=(45, 2), return_sequences=True))
model.add( LSTM( 512, return_sequences=True))
model.add( (Dense(1)))
model.compile(loss='mse', optimizer='adam')
history = model.fit( X_train, y_train, batch_size = batchSize, epochs=epochs, shuffle = False)

运行此命令时，出现以下错误：

ValueError：检查目标时出错：预期density_1具有3 尺寸，但数组的形状为（118，1）

但是，我print是数据的形状，它们是：

X_train:(118, 45, 2)
y_train:(118, 1)

我不知道为什么当y_train为（118，1）时模型期望3维输出。我在哪里错了，该怎么办？

Answer 1

您的第二个LSTM层也返回序列，默认情况下，密集层将内核应用于每个时间步并产生序列：

# (bs, 45, 2)
model.add( LSTM( 512, input_shape=(45, 2), return_sequences=True))
# (bs, 45, 512)
model.add( LSTM( 512, return_sequences=True))
# (bs, 45, 512)
model.add( (Dense(1)))
# (bs, 45, 1)

因此您的输出为(bs, 45, 1)形状。要解决该问题，您需要在第二个LSTM层中设置return_sequences=False，以压缩序列：

# (bs, 45, 2)
model.add( LSTM( 512, input_shape=(45, 2), return_sequences=True))
# (bs, 45, 512)
model.add( LSTM( 512, return_sequences=False)) # SET HERE
# (bs, 512)
model.add( (Dense(1)))
# (bs, 1)

您将获得所需的输出。注意bs是批处理大小。

Answer 2

训练数据的形状应采用以下格式：(num_samples,num_features,num_signals/num_vectors)。遵循此约定，尝试以上述约定的大小调整大小的数组形式传递训练数据，并确保在validation_data命令中添加model.fit自变量。一个例子是：

model.fit(x=X_input ,y=y_input,batch_size=2,validation_data=(X_output, y_output),epochs=10)

其中X_input，y_input都是形状分别为（126,711,1）和（126,1）的训练数据数组，而X_output，y_output是验证/测试分别具有形状（53,711,1）和（53,1）的数据数组。

如果您发现改组错误，请按照上述方法尝试将shuffle参数的值设置为True。

Answer 3

我遇到了类似的问题，找到了答案here：

我在最后一个密集层之前添加了model.add(Flatten())

检查目标时出错：预期density_1具有3维，但数组的形状为（118，1）

3 个答案: