Question

我正在尝试使用S＆P 500数据集训练CNN和LSTM网络。这是火车数据集的形状：

xtrain形状：（6445，16） ytrain形状：（6445，）

这是我给CNN的输入形状：

model.add(TimeDistributed(Conv1D(filters=64, kernel_size=1, activation='relu'), input_shape=(None,16)))

在代码中显示输入形状参数时出现此错误：

ValueError：conv1d_8层的输入0与该层不兼容：：预期的min_ndim = 3，找到的ndim = 2。收到完整的图形：[无，16]

Answer 1

expected min_ndim=3, found ndim=2.

在使用Conv1D时，Keras期望使用三维数组：期望的形状为[batch_size, sequence_length, feature_dimension]。在您的情况下，您只有一个特征维，我怀疑价格，但是假设您还想传递交易量数据，您将拥有xtrain.shape == (6445,16,2)。最后一个维度将包含有关价格和数量的信息。

要解决您的问题，您需要将xtrain重塑为

(batch_size, sequence_length, feature_dimension=(6445,16,1)

为此，您可以使用tensorflow：

xtrain = tf.expand_dims(xtrain, axis=-1) # -1 means expand the LAST axis

或使用numpy：

xtrain = np.expand_dims(xtrain, axis=-1) # -1 means expand the LAST axis

此函数的作用与名称含义相同：它在axis指定的位置添加了一个新轴。这样就可以使xtrain具有我们想要的形状，现在您可以继续进行模型制作了，例如：

model = keras.models.Sequential()
model.add(keras.layers.TimeDistributed(keras.layers.Conv1D(filters=64, kernel_size=1, activation='relu'), input_shape=(None,16,1)))

如何使火车CNN具有合适的输入形状？

1 个答案: