如何使用 4 维输入输入 LSTM？答案

【问题标题】：How to feed into LSTM with 4 dimensional input?如何使用 4 维输入输入 LSTM？
【发布时间】：2018-05-04 17:57:07
【问题描述】：

我有一个这种形状的序列输入：(6000, 64, 100, 50)

6000 只是样本序列的数量。每个序列的长度为64。

我计划使用 Keras 将此输入拟合到 LSTM 中。

我这样设置我的输入：

input = Input(shape=(64, 100, 50))

这给了我(?, 64, 100, 50)的输入形状

但是，当我像这样将input 放入我的 LSTM 时：

x = LSTM(256, return_sequences=True)(input)

我收到此错误：

输入 0 与层 lstm_37 不兼容：预期 ndim=3，找到 ndim=4

如果我的输入形状类似于(?, 64, 100)，这会起作用，但当我有第四维时就不行。

这是否意味着 LSTM 只能接受 3 维的输入？如何使用 Keras 将 4 维甚至更高维的输入输入 LSTM？

【问题讨论】：

标签： python tensorflow machine-learning keras lstm

【解决方案1】：

答案是你不能。

Keras 文档为循环层提供了以下信息：

输入形状

形状为(batch_size, timesteps, input_dim)的3D张量。

在您的情况下，您有 64 个时间步，其中每个步的形状为 (100, 50)。让模型工作的最简单方法是将数据重塑为 (100*50)。

Numpy 提供了一个简单的函数来做到这一点：

X = numpy.zeros((6000, 64, 100, 50), dtype=numpy.uint8)
X = numpy.reshape(X, (6000, 64, 100*50))

这是否合理取决于您的数据。

【讨论】：

【解决方案2】：

你也可以考虑 TimeDistributed(LSTM(...))

inp = Input(shape=(64, 100, 50))
x = TimeDistributed(LSTM(256, return_sequences=True))(inp)

model = Model(inp, x)
model.compile('adam', 'mse')
model.summary()

【讨论】：