sequenceInputLayer() 被连接的数组的维度不一致

【问题标题】：sequenceInputLayer() Dimensions of arrays being concatenated are not consistentsequenceInputLayer() 被连接的数组的维度不一致
【发布时间】：2019-07-02 11:35:16
【问题描述】：

我尝试创建一个 LSTM 模型。我收到以下错误：

使用 vertcat 时出错被连接的数组的维度不是持续的。源错误（第 9 行）序列输入层(33)

sequenceInputLayer 的输入和它的大小应该是什么？

Data = csvread('newData.csv');
num_timesteps = size(Data,1)
num_features = size(Data,2)
Data = normalize(Data);
numHiddenUnits = 200;
size(Data)
layers = [
    sequenceInputLayer(33)
    lstmLayer(numHiddenUnits,'OutputMode','sequence')
    fullyConnectedLayer(50)
    dropoutLayer(0.5)
    fullyConnectedLayer(num_features),regressionLayer];
maxEpochs = 60;
miniBatchSize = 20;
options = trainingOptions('adam', ...
    'MaxEpochs',maxEpochs, ...
    'MiniBatchSize',miniBatchSize, ...
    'InitialLearnRate',0.001, ...
    'GradientThreshold',1, ...
    'Shuffle','never', ...
    'Plots','training-progress',...
    'Verbose',0);
% net = trainNetwork(Data,Data,layers,options);

【问题讨论】：

标签： matlab deep-learning lstm seq2seq

【解决方案1】：

问题不在于sequenceInputLayer，问题在于您创建layers 数组的方式。

替换：

layers = [
    sequenceInputLayer(33)
    lstmLayer(numHiddenUnits,'OutputMode','sequence')
    fullyConnectedLayer(50)
    dropoutLayer(0.5)
    fullyConnectedLayer(num_features),regressionLayer];

与：

layers = [
    sequenceInputLayer(33)
    lstmLayer(numHiddenUnits,'OutputMode','sequence')
    fullyConnectedLayer(50)
    dropoutLayer(0.5)
    fullyConnectedLayer(num_features),
    regressionLayer];

解释：在数组声明中，当在新行中添加元素（或以; 分隔）时，您正在创建列向量，当以, 分隔时，您正在创建一行向量。不知怎的，你把它们弄混了。

【讨论】：