我试图用keras训练LSTM模型,但我觉得我在这里弄错了.
我收到了错误
ValueError: Error when checking input: expected lstm_17_input to have
3 dimensions,but got array with shape (10000,20)
而我的代码看起来像
model = Sequential() model.add(LSTM(256,activation="relu",dropout=0.25,recurrent_dropout=0.25,input_shape=(None,20,64))) model.add(Dense(1,activation="sigmoid")) model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy']) model.fit(X_train,y_train,batch_size=batch_size,epochs=10)
其中X_train的形状为(10000,20),前几个数据点类似
array([[ 0,...,40,9],[ 0,33,51],54,50],...
y_train的形状为(10000,),它是二进制(0/1)标签数组.
有人能指出我错在哪里吗？
解决方法
为了完整起见,这就是发生的事情.
首先,LSTM与Keras中的所有图层一样,接受两个参数：input_shape和batch_input_shape.不同之处在于,input_shape不包含批量大小,而batch_input_shape是包含批量大小的完整输入形状.
因此,规范input_shape =(None,64)告诉keras期望一个4维输入,这不是你想要的.正确的只是(20,).
但那还不是全部. LSTM层是一个循环层,因此它需要一个三维输入(batch_size,timesteps,input_dim).这就是为什么正确的规范是input_shape =(20,1)或batch_input_shape =(10000,1).此外,您的训练阵列也应该重新塑造,以表示每步有20个时间步和1个输入功能.
因此,解决方案：
X_train = np.expand_dims(X_train,2) # makes it (10000,1) ... model = Sequential() model.add(LSTM(...,input_shape=(20,1)))