Question

我有一个CSV文件，其中包含5个特征样本的200000行（200个步骤，每1000个点）。对于回归预测，我试图设计一个LSTM（keras.Sequential（）），因为它是一个时间序列问题。当我想使用"tf.keras.Sequential()"在Keras中设计模型时，在第一层中，我遇到了定义input_shape的问题。我使用了input_shape=(train_dataset.shape[0],1,train_dataset.shape[1])，但出现错误。设计的模型如下：

def build_model():
    model = tf.keras.Sequential([
        layers.Dense(128,activation=tf.nn.relu,input_shape=(train_dataset.shape[0],1,train_dataset.shape[1])),
        layers.Dense(128,activation=tf.nn.relu),
        layers.Dense(1)
    ])
    opt = tf.keras.optimizers.Adam(learning_rate=0.001)
    model.compile(loss='mean_squared_error', optimizer=opt, metrics= ['mean_squared_error'])
    
    return model

任何建议将不胜感激

Answer 1

input_shape不应包含批次尺寸。使用input_shape=train_dataset.shape[1:]

def build_model():
    model = tf.keras.Sequential([
        layers.Dense(128,activation=tf.nn.relu,input_shape=train_dataset.shape[1:]),
        layers.Dense(128,activation=tf.nn.relu),
        layers.Dense(1)
    ])
    opt = tf.keras.optimizers.Adam(learning_rate=0.001)
    model.compile(loss='mean_squared_error', optimizer=opt, metrics= ['mean_squared_error'])
    
    return model

如何为回归问题的喀拉拉河定义input_shape？

1 个答案: