如何正确指定 Keras LSTM 模型的输入形状答案

【问题标题】：How to correctly specify input shape for a Keras LSTM model如何正确指定 Keras LSTM 模型的输入形状
【发布时间】：2023-03-29 01:29:01
【问题描述】：

我有一个生成器，可以生成我的 x 和 y，这是我用来在 Keras 中训练我的 LSMT 模型的。

X 的格式为 [0.0, 1.0, 0.0004]。

我之前设置了这个数据的形状：

x_out = np.array(list(x_drop.values())).reshape(len(x_drop), 1)
y_out = np.array([y])

我得到一个异步生成器，然后我传入一个同步函数，然后使用 model.fit_generator()：

train_gen = to_sync_generator(replay(traintime_0, traintime_1, test=0))
    model = lstm_model()

model.fit_generator(
    train_gen,
    epochs = 5,
    verbose = 1,
    steps_per_epoch=500,
    initial_epoch=0,
    validation_data=valid_gen,
    validation_steps=500)

我的型号代码如下。

   def lstm_model():
       model = Sequential()
       model.add(LSTM(100, input_shape=(3,1)))
       model.add(Dense(1))
       model.compile(loss='mean_squared_error', optimizer='adam')
       return model

我收到以下错误：

ValueError: Error when checking input: expected lstm_1_input to have 3 dimensions, but got array with shape (3, 1)

注意，我无法预处理这些数据。

我还没有真正看到将 lstm 用于非预处理数据的示例，非常感谢任何建议！谢谢。

【问题讨论】：

您能发布与您的数据管道相关的代码吗？
当然可以。

标签： python keras generator lstm

【解决方案1】：

您的数据必须是使用格式 (x, y, z) 的元组，其中 => x 是您的批号（您最初可以从 1 开始），y 是您的数据数组，z 是您的数据形状。根据你的情况，我可以推断出你的数据有一个特征，有 3 个步骤。因此，您可以使用以下代码进行准备：

data = data.reshape((1, 3, 1))

如果不能直接改变数据，可以合并成一个新数组，然后把数组拟合到模型中

【讨论】：

抱歉，我猜我的代码不清楚，我的 train_gen 返回一个 X,Y 元组，格式为：([0.0, 1.0, 0.0004], 0.25)。所以有 3 个功能，1 个步骤。这意味着我应该重塑为 (1, 1, 3)？
但请记住它不能正常工作，因为你只有一个单元格/时间步长（在 LSTM 中，每个时间步长都作为一个单元格工作，这是你首先要利用的）
为什么不能正常工作？我的回溯窗口是 100 个周期，但我一次只喂 1 个批次。他们不应该有关系吗？
您并没有充分发挥 LSTM 的潜力，事实上，您使用它的方式（每批次一个时间步）使您的 RNN 像 ANN 一样工作（LSTM 从连接中受益时间步长之间）。你可以在这里阅读更多信息：colah.github.io/posts/2015-08-Understanding-LSTMs
你使用时间步来展示信息每次是如何演变的，你需要至少两个信息单元（两个时间步）来利用它