Question

我正在研究基因序列。我在R中有一个数据框，其中包含一列，每一行中都有一个序列，而另一列的每一列中都包含True或False（1或0），我想通过此实验检查该序列中是否可能存在突变某种神经系统疾病（由“真/假”列表示）。

为此，我想构建一个双向LSTM模型，该模型可以自行分析每个序列，并经过训练可以返回True或False，如我所说。

问题是，我通常对LSTM，Keras和R的了解非常有限，为此我已经苦苦挣扎了几天。

我一直在阅读有关LSTM的输入形状的信息，并且不知道我是否理解它们。我有1125个长度为251个字符的序列用于训练，对于这个实验，我尝试使用（1125,5,1）的输入形状。

这是我的火车数据的结构：

str(x_train)  
 chr [1:225, 1:5, 1] "111121211121123131112142241444213344144441421221314431143441144412121111121141212344444412424212112314212113422"| __truncated__ ...  
 str(y_train)  
 num [1:225, 1:5, 1] 1 1 1 1 1 1 1 1 1 1 ...

这是我正在使用的模型：

max_length = 251
sequence_length = 5 

input_shape = c(sequence_length, 1)

history = NULL

lstm_cells = 60
batch_size = 100
epochs = 60
learn_rate = 0.0001



modelBLSTM <- keras_model_sequential()
  modelBLSTM %>% 
  bidirectional(layer_lstm(units = lstm_cells, dropout = 0.5, recurrent_dropout = 0.5, return_sequences = TRUE), merge_mode = 'concat', input_shape = input_shape) %>%
  time_distributed(layer_dense(units = lstm_cells, activation = 'relu')) %>%
  layer_flatten() %>%
  layer_dense(units = 1, activation="sigmoid") %>% 

  summary(model)

  modelBLSTM %>% compile(
  loss = loss_binary_crossentropy,
  optimizer = optimizer_rmsprop(lr = learn_rate),
  metrics = c('accuracy')
)


history = 
  modelBLSTM %>% fit(
  x = x_train,
  y = y_train,
  epochs = epochs, 
  batch_size = batch_size, 
  validation_data = list(x_test, y_test),
  verbose = 1)

history

我在这里看到一条错误消息

检查输入时出错：预期bidirectional_19_input具有3维，但数组的形状为（1125，1）

所以我的问题是：如何重塑数据以具有这种形状？并且：输入形状对我的序列有什么影响？因为稍后我将要调整一切以达到最佳效果，而且我不知道修改输入形状会如何影响模型。

编辑：

因此，我已将火车数据重塑为（1125 / 5,5,1），并且我还将每个字母都换成了一个字符（所以A = 1，G = 2，C = 3和T = 4），因为给我一个错误，说“无法将字符串转换为浮点数”。我已经在帖子中对此进行了更新。

但是现在，当它开始在时代＃1时，它停止并给了我这个错误：

py_call_impl（可调用，dots $ args，dots $ keywords）错误：
    InvalidArgumentError：不兼容的形状：[100,1]与[100,5,1]
       [[节点：training_5 / RMSprop / gradients / loss_23 / dense_49_loss / logistic_loss / mul_grad / BroadcastGradientArgs = BroadcastGradientArgs [T = DT_INT32，_class = [“ loc：@train ... ad / Reshape”]，_device =“ / job：localhost / replica：0 / task：0 / device：CPU：0“]（training_5 / RMSprop / gradients / loss_23 / dense_49_loss / logistic_loss / mul_grad / Shape，training_5 / RMSprop / gradients / loss_23 / dense_49_loss / logistic_loss / mul_grad / Shape_1）] ]

我知道在[100,1]中100是指我设置的batch_size，但我不知道问题出在哪里或如何解决。有帮助吗？

R

0 个答案: