Question

我对TensorFlow和LSTM架构还很陌生。我在为数据集计算输入和输出（x_train，x_test，y_train，y_test）时遇到问题。

我最初输入的形状：

X_train：（366,4）
X_test：（104,4）
Y_train：（366，）
Y_test：（104，）

Ytrain和Ytest是一系列股票价格。 Xtrain和Xtest是我要学习用来预测股价的四个功能。

# Splitting the training and testing data

train_start_date = '2010-01-08'
train_end_date = '2017-01-06'
test_start_date = '2017-01-13'
test_end_date = '2019-01-04'

train = df.ix[train_start_date : train_end_date]
test = df.ix[test_start_date:test_end_date]


X_test = sentimentScorer(test)
X_train = sentimentScorer(train)

Y_test = test['prices'] 
Y_train = train['prices']

#Conversion in 3D array for LSTM INPUT

X_test = X_test.reshape(1, 104, 4)
X_train = X_train.reshape(1, 366, 4)





model = Sequential()

model.add(LSTM(128, input_shape=(366,4), activation='relu', 
return_sequences=True))
model.add(Dropout(0.2))

model.add(LSTM(128, activation='relu'))
model.add(Dropout(0.1))

model.add(Dense(32, activation='relu'))
model.add(Dropout(0.2))

model.add(Dense(10, activation='softmax'))

opt = tf.keras.optimizers.Adam(lr=0.001, decay=1e-6)

# Compile model
model.compile(
    loss='sparse_categorical_crossentropy',
    optimizer=opt,
    metrics=['accuracy'],
)

model.fit(X_train,
          Y_train,
          epochs=3,
          validation_data=(X_test, Y_test))

这是生成的错误：

-------------------------------------------------- ---------------------------- ValueError Traceback（最近的呼叫   最后）        65 Y_train，        66个时代= 3，   ---> 67validation_data =（X_test，Y_test））

c：\ users \ talal \ appdata \ local \ programs \ python \ python36 \ lib \ site-packages \ tensorflow \ python \ keras \ engine \ training.py   适合（自我，x，y，batch_size，时代，冗长，回调，   validate_split，validation_data，随机播放，class_weight，   sample_weight，initial_epoch，steps_per_epoch，validation_steps，   ** kwargs）1507 steps_name ='steps_per_epoch'，1508 steps = steps_per_epoch，   -> 1509validation_split = validation_split）1510 1511＃准备验证数据。

c：\ users \ talal \ appdata \ local \ programs \ python \ python36 \ lib \ site-packages \ tensorflow \ python \ keras \ engine \ training.py   在_standardize_user_data（self，x，y，sample_weight，class_weight，   batch_size，check_steps，steps_name，steps，validation_split）       991 x，y = next_element       992 x，y，sample_weights = self._standardize_weights（x，y，sample_weight，   -> 993 class_weight，batch_size）       994返回x，y，sample_weights       995

c：\ users \ talal \ appdata \ local \ programs \ python \ python36 \ lib \ site-packages \ tensorflow \ python \ keras \ engine \ training.py   在_standardize_weights（self，x，y，sample_weight，class_weight，   batch_size）1110 feed_input_shapes，1111
  check_batch_axis = False，＃不强制执行批量大小。   -> 1112 exception_prefix ='input'）1113 1114如果y不为None：

c：\ users \ talal \ appdata \ local \ programs \ python \ python36 \ lib \ site-packages \ tensorflow \ python \ keras \ engine \ training_utils.py   在standardize_input_data（数据，名称，形状，check_batch_axis，   exception_prefix）       314'：预期的'+名称[i] +'具有'+       315 str（len（shape））+'尺寸，但得到数组'   -> 316'具有形状'+ str（data_shape））       317（如果不是check_batch_axis）：       318 data_shape = data_shape [1：]

ValueError：检查输入时出错：预期lstm_18_input具有   3个维度，但数组的形状为（366，4）

Answer 1

您的尺寸对于X_train是错误的。LSTM仅接受3维输入。您说您有4个功能。假设366是您对一个样本的时间戳数，则您的输入应为（num_samples，366,4）形状欢呼：-）

Answer 2

您的代码几乎没问题。

您的y_train和model.add(LSTM(128, input_shape=(None,4), activation='relu', return_sequences=True))应该是一个元素或形状为（1,1）的数组，没关系。

您的输入形状错误，但第一个LSTM应该是：

None

注意keras.preprocessing.sequence.pad_sequences，由于测试序列和训练序列的长度不同，因此无法指定长度（Keras接受未指定的第一维）。错误是由于长度分别为366和104。如果要对RNN使用批处理，则应使用input_shape进行零填充。

无需批量指定mean squared error，网络的其余部分应该没问题。

如果执行回归而不是分类（可能是这种情况），则应执行@Ankish Bansal编写的最后两个步骤，例如将损耗更改为complete，并使最后一层输出1值而不是10。

Answer 3

LSTM期望将dims输入为（num_examples，seq_length，input_dims），因此输入中存在一个错误。
您要预测维度1的输出，模型输出为10。

model.add(Dense(1, activation='linear'))
此外，您正在预测价格，那就是回归问题。但是，您正在使用分类设置。试试这个

model.compile(loss='mse', optimizer='adam', metrics=['mean_squared_error'])

LSTM神经网络输入/输出尺寸错误

3 个答案: