Question

LSTM输出应为什么尺寸？目前，我正在使用return_sequences=False，而model.summary()建议Dense(1, activation='sigmoid')层应具有输出：

(None, 1)

None是批次大小。

这是否意味着我的y也必须是二维的？

当前，我正在使用形状为y.shape = (None,)的一维数组，它看起来可以正常工作，但是我想知道是否应该添加新轴来匹配尺寸，例如： y = y[:, np.newaxis]

编辑：

下面是我的模型摘要。

本质上，我正在对一个二进制分类器（0或1）建模，并且正在同时以batch_size和time steps的形式输入可变大小的批次。因此，X.shape = (None, None, no_of_features)的尺寸。

如下所示，Dense()层的输出为(None, 1)，其中我的Y实际上是(Batch_size, )，即一维numpy数组。我应该添加一个新轴以使Y变成2d吗？例如。 (batch_size, 1)？

我都尝试过，而且似乎都可以。那有什么区别？

__________________________________________________________________________________________________
concatenate_8 (Concatenate)     (None, None, 285)    0           numeric_input[0][0]              
                                                                 concatenate_7[0][0]              
__________________________________________________________________________________________________
dropout_3 (Dropout)             (None, None, 285)    0           concatenate_8[0][0]              
__________________________________________________________________________________________________
lstm_4 (LSTM)                   (None, 64)           89600       dropout_3[0][0]                  
__________________________________________________________________________________________________
main_output (Dense)             (None, 1)            65          lstm_4[0][0]                     
==================================================================================================

Answer 1

两者都是等效的，任一种方法都可以。原因是(None,1)和(None,)这两个形状是兼容的，并且会自动广播到相同的形状。这等效于您手动添加大小为1的新尺寸。Here是有关tensorflow广播的一些补充读物。

Keras中LSTM的“ Y”输入的维度

1 个答案: