Question

我尝试遵循在线教程（1，2等），但是当使用keras TimeseriesGenerator拟合LSTM模型时，我无法正确获取输入尺寸。

为进行训练，我有一个名为dn的长numpy数组，形状为(12499896,)。然后我定义了keras TimeseriesGenerator

from keras.preprocessing.sequence import TimeseriesGenerator
look_back = 10 
gen = TimeseriesGenerator(dn, dn, length=look_back, batch_size=8)

我定义模型：

from keras.models import Sequential
from keras.layers import LSTM, Dense

model = Sequential()
model.add(LSTM(units=100, activation='relu', input_shape=(look_back, 1)))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')

当我使用fit_generator拟合模型时

model.fit_generator(gen, steps_per_epoch=10, epochs=5)

我得到了错误：

检查输入时出错：预期lstm_9_input具有3维，但是得到了形状为（8，10）的数组

如果我正确理解LSTM要求输入形状为[samples, look_back, features]（在这里我猜为samples=12499896，look_back=10和features=1）。并且TimeseriesGenerator产生一个2元组的列表。我应该重塑TimeseriesGenerator的输出吗？（但我认为这不是要更改吗？）。我在哪里出错？

Answer 1

我认为，如果我首先对数组进行整形，它就会起作用

dn = np.reshape(dn, (len(dn),1))

，因此其形状为(12499896, 1)，而不是(12499896,)。然后在LSTM层中使用return_sequences=False：

model.add(LSTM(units=100, return_sequences=False, activation='relu', input_shape=(look_back, 1)))

Answer 2

您已经回答了您的问题，但是我发现了很少的错误，并且想纠正它们。

在为LSTM或Keras中的任何层指定import { map } from 'rxjs/operators'; ... searchProducts(): Observable<Product[]> { return this.http.get<Product[]>('/lerp-product-product').pipe(map( response => response.arr )); }时，无需提及input_shape。因此，对于LSTM，输入形状应为batch_size。 [look_back, features]更正确地使用的词是look_back。

由于输入是一维数据，因此您可以按以下步骤重新调整数据的形状：

timesteps

此外，dn = np.reshape(dn, (-1, 1))层中的return_sequences默认情况下为False。

LSTM和TimeseriesGenerator。输入形状错误

2 个答案: