Question

我正在尝试测试由Kelly于2015年提出的非侵入式负载监控算法。拟议的架构为

输入（长度由设备持续时间决定）
一维转换（lter size = 4，stride = 1，lters数量= 16，激活函数= linear，border mode = same）
双向LSTM（N = 128，带有窥孔）
双向LSTM（N = 256，带有窥孔）
完全连接（N = 128，激活功能= TanH）
完全连接（N = 1，激活函数=线性）

现在，我将在TensorFlow中测试此架构。我有一些休闲方面的初始训练，

x_train_temp =（243127，） y_train_temp =（243127，）

然后我将这些数据转换为如下所示的窗口，其中每个窗口都有250 x1数组。

x_train =（972，250，1） y_train =（972，250，1）

当我实现模型时，会出现错误。您能帮我了解错误在哪里吗？

型号

input_shape=x_train.shape[1:]
model = Sequential()
model.add(tf.keras.layers.Conv1D(16,4, strides=1,activation='linear',input_shape=(x_train.shape[1:])))
model.add(tf.keras.layers.LSTM(128))
model.add(tf.keras.layers.LSTM(256))
model.add(tf.keras.layers.LSTM(128, activation='relu'))
model.add(tf.keras.layers.LSTM(128, activation='linear'))
print(model.summary())

错误

ValueError                                Traceback (most recent call last)
<ipython-input-47-4f5e2441909e> in <module>()
      4 model.add(tf.keras.layers.Conv1D(16,4, strides=1,activation='linear',input_shape=(x_train.shape[1:])))
      5 model.add(tf.keras.layers.LSTM(128))
----> 6 model.add(tf.keras.layers.LSTM(256))
      7 model.add(tf.keras.layers.LSTM(128, activation='relu'))
      8 model.add(tf.keras.layers.LSTM(128, activation='linear'))

5 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/input_spec.py in assert_input_compatibility(input_spec, inputs, layer_name)
    178                          'expected ndim=' + str(spec.ndim) + ', found ndim=' +
    179                          str(ndim) + '. Full shape received: ' +
--> 180                          str(x.shape.as_list()))
    181     if spec.max_ndim is not None:
    182       ndim = x.shape.ndims

ValueError: Input 0 of layer lstm_1 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: [None, 128]

Answer 1

当使用堆叠的 LSTM 层时，使用 @Ather Cheema 提到的 return_sequences=True。 LSTM 期望输入形状为 [batch, timesteps, feature] 的形状 3D 张量。强烈建议设置 return_sequences=True

return_sequences：布尔值。是否返回最后的输出。在输出序列或完整序列中。默认值：假。

工作示例代码片段没有 retuen_sequences

import tensorflow as tf
inputs = tf.random.normal([32, 10, 8])
lstm = tf.keras.layers.LSTM(4)
output = lstm(inputs)
print(output.shape)

输出

(32, 4)

#With return_sequences=True

import tensorflow as tf
inputs = tf.random.normal([32, 10, 8])
lstm = tf.keras.layers.LSTM(4, return_sequences=True, return_state=True)
whole_seq_output, final_memory_state, final_carry_state = lstm(inputs)
print(whole_seq_output.shape)

输出

(32, 10, 4)

合并LSTM和1D CNN层

1 个答案: