训练lstm模型？

Question

尝试使用（5，xxx）数据流训练LSTM模型f.e.

(5, 17516)
array([[ 3820.,  2873.,  2369., ..., 18865., 16893., 14242.],
   [ 4656.,  3820.,  2873., ..., 19967., 18865., 16893.],
   [ 6210.,  4656.,  3820., ..., 20223., 19967., 18865.],
   [ 8127.,  6210.,  4656., ..., 20319., 20223., 19967.],
   [10844.,  8127.,  6210., ..., 17246., 20319., 20223.]])

这是模型：

def lstm_model(self, window=5):
    self.model = Sequential()
    self.model.add(LSTM(4, input_shape=( window, 1)))
    self.model.add(Dense(1))
    self.model.compile(loss='mean_squared_error', optimizer='adam')
    return self.model

这很合适：

self.history = self.model.fit(
        windowed_data , self.data.data,
        validation_split=0.2, nb_epoch=55, batch_size=10, verbose=1)

这是我得到的错误：

  

ValueError：检查输入时出错：预期lstm_6_input具有3维，但数组的形状为（5，17516）

我做错了什么？

---

这似乎解决了。

w.reshape(w.shape[0], w.shape[1],1)

Answer 1

根据keras docs，输入数据应为3d张量，即（nb_samples，时间步长，input_dim）。 this是一个很好的教程，介绍了如何为lstm模型重塑数据。