我已经安装了lstm模型。每个x和y变量有100个观测值。我使用了80个值来训练模型，并使用20个值来评估模型。
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, LSTM, Dropout
input_features=1
time_stamp=100
out_features=1
x_input=np.random.random((time_stamp,input_features))
y_input=np.random.random((time_stamp,out_features))
train_x=x_input[0:80,:]
test_x=x_input[80:,:]
train_y=y_input[0:80,:]
test_y=y_input[80:,:]
然后我将数据重新整形，然后再将其输入LSTM函数。（例如：用于训练x :(样本，时间步长，特征）=（1,80,1））
dataXtrain = train_x.reshape(1,80, 1)
dataXtest = test_x.reshape(1,20,1)
dataYtrain = train_y.reshape(1,80,1)
dataYtest = test_y.reshape(1,20,1)
dataXtrain.shape
(1, 80, 1)
然后我能够使用以下代码行成功拟合模型：
model = Sequential()
model.add(LSTM(20,activation = 'relu', return_sequences = True,input_shape=(dataXtrain.shape[1],
dataXtrain.shape[2])))
model.add(Dense(1))
model.compile(loss='mean_absolute_error', optimizer='adam')
model.fit(dataXtrain, dataYtrain, epochs=100, batch_size=10, verbose=1)
但是，当我预测测试数据的模型时，就会出现此错误。
y_pred = model.predict(dataXtest)
Error when checking input: expected lstm_input to have shape (80, 1) but got array with shape (20, 1)
有人可以帮我弄清楚这里出什么问题吗？
谢谢
答案 0 :(得分：1)
似乎问题出在数据准备上。我认为您应该划分样本（而不是时间步长）以训练和测试数据，并且训练和测试样本的形状应相同且类似于(None, time-steps, features)。
由于只有一个样本具有100个观测值（时间步长），因此可以将数据划分为包含小时间步长序列的样本。例如：
n_samples = 20
input_features = 1
time_stamp = 100
out_features = 1
x_input = np.random.random((1, time_stamp, input_features))
y_input = np.random.random((1, time_stamp, out_features))
new_time_stamp = time_stamp//n_samples
x_input = x_input.reshape(n_samples, new_time_stamp, input_features)
y_input = y_input.reshape(n_samples, new_time_stamp, out_features)
dataXtrain = x_input[:16,...]
dataXtest = x_input[16:,...]
dataYtrain = y_input[:16,...]
dataYtest = y_input[16:,...]
或者，您可以收集更多的数据样本，每个样本包含100个时间步长（取决于您的应用程序和现有数据）。