Question

我正在学习LSTM模型以使数据集适合多类分类，这是八种音乐类型，但不确定Keras模型中的输入形状。

我在这里遵循了这些教程：

我的数据是这样的：

vector_1,vector_2,...vector_30,genre
  23.5     20.5          3      pop
   .
   .
   .
(7678)

我将数据形状转换为（7678,1,30），它是7678首音乐，1个时间步和30个向量。对于音乐类型，我使用了train_labels = pd.get_dummies(df['genre'])

这是我的模特：

# build a sequential model
model = Sequential()

# keras convention to use the (1,30) from the scaled_train

model.add(LSTM(32,input_shape=(1,30),return_sequences=True))
model.add(LSTM(32,return_sequences=True))
model.add(LSTM(32))
# to avoid overfitting
model.add(Dropout(0.3))

# output layer
model.add(Dense(8,activation='softmax'))

model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'])

拟合模型

model.fit(scaled_train,train_labels,epochs=5,validation_data=(scaled_validation,valid_labels))

但是在尝试拟合模型时，出现错误ValueError: Shapes (None, 8) and (None, 1, 8) are incompatible。我在代码中做错了什么吗？非常感谢您的帮助。

我的数据的形状

print(scaled_train.shape)
print(train_labels.shape)
print(scaled_validation.shape)
print(valid_labels.shape)
(7678, 1, 30)
(7678, 8)
(450, 30)
(450, 8)

编辑

我已经尝试过How to stack multiple lstm in keras? 但是仍然出现错误ValueError: Input 0 of layer sequential_21 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: [None, 30]

Answer 1

顾名思义，return_sequences=True将返回一个序列（带有时间步长），这就是为什么您的输出形状为(None, 1, 8)：保持时间步长的原因。穿过密集层时，它不会自动展平。试试：

model = Sequential()
model.add(LSTM(32,input_shape=(1,30),return_sequences=False))
model.add(Dense(32,activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(8,activation='softmax'))

如果您不注释第二个LSTM层，我想这不会发生吗？

Keras LSTM模型中的输入形状和拟合

1 个答案: