为什么 model.predict 给出 3 个输出？答案

【问题标题】：Why does model.predict give 3 outputs?为什么 model.predict 给出 3 个输出？
【发布时间】：2020-08-03 15:32:42
【问题描述】：

我正在尝试使用 Keras 对单变量时间序列进行预测。

NN 模型看起来像

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv1d (Conv1D)              (None, None, 25)          150       
_________________________________________________________________
lstm (LSTM)                  (None, None, 1024)        4300800   
_________________________________________________________________
dropout (Dropout)            (None, None, 1024)        0         
_________________________________________________________________
lstm_1 (LSTM)                (None, None, 1024)        8392704   
_________________________________________________________________
dropout_1 (Dropout)          (None, None, 1024)        0         
_________________________________________________________________
lstm_2 (LSTM)                (None, None, 1024)        8392704   
_________________________________________________________________
dropout_2 (Dropout)          (None, None, 1024)        0         
_________________________________________________________________
lstm_3 (LSTM)                (None, None, 1024)        8392704   
_________________________________________________________________
dropout_3 (Dropout)          (None, None, 1024)        0         
_________________________________________________________________
dense (Dense)                (None, None, 1)           1025      
=================================================================
Total params: 29,480,087
Trainable params: 29,480,087
Non-trainable params: 0
_________________________________________________________________

我的数据使用该系列的前 3 个值进行窗口化，以预测下一个。因此我的测试数据集看起来像

list(dataset.as_numpy_iterator())
[array([[[ 0.        ],
         [ 0.02346429],
         [ 0.04559132]],

        [[ 0.        ],
         [ 0.02161974],
         [ 0.13014923]],

        [[ 0.        ],
         [ 0.10623277],
         [-0.02918068]],

        [[ 0.        ],
         [-0.12240955],
         [-0.21869095]]])]

一切都很好，但是当我将它提供给 model.predict(dataset) 时，它吐出的输出是

array([[[ 0.01316399],
        [ 0.03728709],
        [ 0.06164959]],

       [[ 0.01316399],
        [ 0.03512047],
        [ 0.1292857 ]],

       [[ 0.01316399],
        [ 0.1172413 ],
        [-0.01671433]],

       [[ 0.01316399],
        [-0.10654409],
        [-0.16395506]]], dtype=float32)

这个例子的形状是(4, 3, 1)

考虑到我的 NN 的最后一层是具有单个单元的 Dense，我希望只为每个三元组输入特征获得一个预测。为什么每个训练示例的预测中似乎都有三个输出？

【问题讨论】：

标签： python tensorflow machine-learning keras lstm

【解决方案1】：

在最后一个 LSTM 层中，设置参数 return_sequences=False。

LSTM(..., return_sequences=False)

【讨论】：

@fpghost 这就是为什么你应该总是提供代码（这里的受访者能够通过经验抓住它的事实并没有改变论点）
我之前也遇到过这个问题，实际上我认为这是 tensorflow 中的一些不合理的设计，因为它有一个 TimeDistributed() 包装器，因此您可以将任何层放入其中以与 RNN 层一起使用。但令人惊讶的是，当 Dense() 层放在 RNN 层之后时，它会自动充当 TimeDistributed！