多对一 LSTM，多类分类答案

【问题标题】：Many to one LSTM, multiclass classification多对一 LSTM，多类分类
【发布时间】：2018-01-26 10:06:45
【问题描述】：

我正在尝试训练具有 64 个隐藏单元的 LSTM-RNN。我的数据如下：

输入： numpy 数组，维度为 (170000, 50, 500) ->（示例、时间步长、特征数）
输出： numpy 数组尺寸 (170000, 10)

输出是一个有 10 个类别的分类变量（例如，类别 1 对应于向量 [1,0,0,0,0,0,0,0,0,0]）

到目前为止，我已经尝试过这段代码，但出现了一个错误，指出密集层应该有一个 3D 输入。

model = Sequential()
model.add(LSTM(64, input_shape=(50, 500), return_sequences=True,dropout=0.2, recurrent_dropout=0.2))
model.add(Dense(units = 10,activation='sigmoid'))
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.fit(input, output, epochs=1, batch_size=64)

似乎唯一可行的方法是更改输出，使其具有以下形式：(170000,50,10)，除了第 50 个时间步外，基本上全为零。

这是正确的方法吗？如果是这样，有没有更有效的方法？我担心扩展输出的形状可能会降低代码效率。

【问题讨论】：

标签： keras lstm many-to-one rnn

【解决方案1】：

您只需将return_sequences=True 更改为return_sequences=False。此外，如果每个项目只能适合一个类，则需要将输出层中的激活函数更改为 activation='softmax'

【讨论】：