Question

我正在尝试使用Keras并将LSTM层作为第一层来构建顺序模型。 train_x的形状为（21000，2），我使用的批量大小为10

当我尝试

 model = Sequential()
 model.add(LSTM(128, activation='relu', input_shape=(
        train_x.shape[1:]), return_sequences=True))

我说一个错误

输入0与lstm_1层不兼容：预期ndim = 3，找到ndim = 2

然后，我尝试更改input_shape并将其设置为input_shape=(train_x.shape)，但又收到另一个错误消息

检查输入时出错：预期lstm_1_input具有3维，但数组的形状为（21000，2）

我在做什么错了？

Answer 1

Keras LSTM层期望输入3的颜色像(batch_size, seq_length, input_dims)一样暗淡，但您将其分配错误。试试这个

input_dims = train_x.shape[1]
seq_length = #decide an integer
model = Sequential()
 model.add(LSTM(128, activation='relu', input_shape=(seq_length, input_dims), return_sequences=True))

您还需要将数据重塑为三个暗角，其中新的暗角将代表序列，如

我使用玩具数据集演示了一个示例，此处的数据和标签最初使用以下脚本来构成((150, 4), (150,))形状：

seq_length = 10
dataX = []
dataY = []
for i in range(0, 150 - seq_length, 1):
    dataX.append(data[i:i+seq_length])
    dataY.append(labels[i+seq_length-1])
import numpy as np
dataX = np.reshape(dataX, (-1, seq_length, 4))
dataY = np.reshape(dataY, (-1, 1))
# dataX.shape, dataY.shape

输出：((140, 10, 4), (140, 1))

现在您可以安全地将其输入模型了。

注意：我为many-to-one模型准备了数据集，但是您可以适当地使用它。

LSTM input_shape不兼容

1 个答案: