Question

我是张量流的新手，我正在尝试建立一个多变量（每个时间步具有两个特征）多步（未来将预测12个时间步）预测模型。

我创建了tensorflow数据集以将其提供给我的模型：当我打印数据集的形状时，会发现以下内容：

<PrefetchDataset shapes: ((None, None, 2), (None, None)), types: (tf.float32, tf.float32)>

这是我的理解：

(None, None, 2) = Input tensor "features" : (batchSize, Timesteps input, Features by time step)

(None, None) =Output Tensor "label" (batchSize, future forecsated time steps )

我按照以下步骤创建模型：

keras.backend.clear_session()
tf.random.set_seed(42)
np.random.seed(42)
model = keras.models.Sequential([
  keras.layers.SimpleRNN(50),
  keras.layers.SimpleRNN(100),
  keras.layers.Dense(12),
])
optimizer = keras.optimizers.SGD(lr=1.5e-6, momentum=0.9)
model.compile(loss="mae",
              optimizer=optimizer,
              metrics=["mae"])

当我适合模型

model.fit(train_set, epochs=5,
          validation_data=valid_set)

我遇到以下错误：

ValueError: Input 0 of layer simple_rnn_1 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: [None, 50]

我确实了解SimpleRNN层期望3维张量。但我认为我的投入具有这一方面。非常感谢您的帮助。如果您需要我与您分享我如何创建数据集，我会很乐意这样做。

Answer 1

问题来自第二层而不是第一层。基本上，第一层的激活发出一个向量而不是序列，因此它的等级为2，例如：（a，b）。但是第二层需要三维输入。为了解决这个问题，我在RNN的第一层中添加了return_sequences = True。

Answer 2

如果train_set是numpy数组，请将train_set.reshape((1,50))传递给model.fit()

model.fit(train_set.reshape((1,50)), epochs=5,
      validation_data=valid_set)

然后，您也不需要将return_sequences=True应用于第一个RNN单元。

ValueError：simple_rnn_1层的输入0与该层不兼容：预期ndim = 3，找到的ndim = 2。收到完整的形状：[无，50]

2 个答案: