Question

我有一个生成x和y的生成器，这就是我在Keras中训练LSMT模型所使用的生成器。

X的格式为[0.0，1.0，0.0004]。

我之前设置了此数据的形状：

x_out = np.array(list(x_drop.values())).reshape(len(x_drop), 1)
y_out = np.array([y])

我进入了异步生成器，因此我进入了一个同步函数，然后使用model.fit_generator（）：

train_gen = to_sync_generator(replay(traintime_0, traintime_1, test=0))
    model = lstm_model()

model.fit_generator(
    train_gen,
    epochs = 5,
    verbose = 1,
    steps_per_epoch=500,
    initial_epoch=0,
    validation_data=valid_gen,
    validation_steps=500)

下面是我的模型代码。

   def lstm_model():
       model = Sequential()
       model.add(LSTM(100, input_shape=(3,1)))
       model.add(Dense(1))
       model.compile(loss='mean_squared_error', optimizer='adam')
       return model

我收到以下错误：

ValueError: Error when checking input: expected lstm_1_input to have 3 dimensions, but got array with shape (3, 1)

请注意，我无法对此数据进行预处理。

我还没有真正看到将lstm与非预处理数据一起使用的示例，非常感谢任何建议！谢谢。

Answer 1

您的数据必须是使用（x，y，z）格式的元组，其中=> x是您的批号（您最初可以从1开始），y是您的数据数组，z是您的数据形状。根据您的情况，我可以推断出您的数据具有一项功能并包含3个步骤。因此，您可以使用以下代码进行准备：

data = data.reshape((1, 3, 1))

如果您不能直接更改数据，则可以将其合并到新数组中，然后将其放入模型中

如何为Keras LSTM模型正确指定输入形状

1 个答案: