keras 张量整形（lstm 输入形状错误）

Question

我在 keras 上使用 LSTM，并在之前使用了重塑层，希望我不必为 LSTM 层指定形状。

输入为 84600 x 6

2 个月内 84600 秒。 6 个指标/[标签] 我在 2 个月内进行测量

目前为止

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Reshape((86400,1,6), input_shape=(84600, 6)))
model.add(tf.keras.layers.LSTM(128,  activation='relu', input_shape= 
(x_train.shape), return_sequences=True))
model.add(tf.keras.layers.Dense(10, activation='softmax'))

引发错误：

ValueError: Input 0 of layer lstm is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: [None, 86400, 1, 6]

这是可以理解的。批量大小加上 3 层等于 4。 然而，当我重塑

model.add(tf.keras.layers.Reshape((86400,1,6), input_shape=(84600, 6)))
vvvvvvv
model.add(tf.keras.layers.Reshape((86400,6), input_shape=(84600, 6)))

它抛出

ValueError: Error when checking input: expected reshape_input to have 3 dimensions, but got array with shape (86400, 6)

它似乎忽略了作为数组元素的批量大小。并将其视为 2 个索引。它从 4 维跳跃到 2 维。

问题是 LSTM 需要 3 个维度作为输入，我似乎无法理解。理想情况下，我想要一个 86400 x 1 x 6 阵列/张量。所以它变成了 84600 个 1x6 数据的例子。

非常感谢！

Answer 1

问题在于您重塑输入的方式与 LSTM 层不兼容。 LSTM 层需要 3 个维度的输入：(batch_size, timesteps, features)。但是，您正在为它提供一个形状为 (batch_size, 84600, 1, 6) 的输入。

在您的情况下，似乎 84600 是时间步数，而 6 是每个时间步的特征数。因此，省略 Reshape 层并简单地将 input_shape (84600, 6) 用于 LSTM 层会更有意义：

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LSTM(128,  activation='relu', input_shape=(84600, 6), return_sequences=True))
model.add(tf.keras.layers.Dense(10, activation='softmax'))