为单层 keras LSTM 获取正确的尺寸答案

【问题标题】：Getting dimensions right for a single layer keras LSTM为单层 keras LSTM 获取正确的尺寸
【发布时间】：2018-10-28 11:47:59
【问题描述】：

我很难确定 LSTM 网络的尺寸。

所以我有以下数据：

train_data.shape
 (25391, 3) # to be read as 25391 timesteps and 3 features

train_labels.shape
 (25391, 1) # to be read as 25391 timesteps and 1 feature

所以我认为我的输入维度是(1, len(train_data), train_data.shape[1])，因为我计划提交 1 批。但我收到以下错误：

Error when checking target: expected lstm_10 to have 2 dimensions, but got array with shape (1, 25391, 1)

这是型号代码：

model = Sequential()
model.add(LSTM(1, # predict one feature and one timestep
               batch_input_shape=(1, len(train_data), train_data.shape[1]),
               activation='tanh',
               return_sequences=False))

model.compile(loss = 'categorical_crossentropy', optimizer='adam', metrics = ['accuracy'])
print(model.summary())

# as 1 sample with len(train_data) time steps and train_data.shape[1] features.
model.fit(x=train_data.values.reshape(1, len(train_data), train_data.shape[1]), 
          y=train_labels.values.reshape(1, len(train_labels), train_labels.shape[1]), 
          epochs=1, 
          verbose=1, 
          validation_split=0.8, 
          validation_data=None, 
          shuffle=False)

输入尺寸应该是什么样的？

【问题讨论】：

标签： python tensorflow machine-learning keras lstm

【解决方案1】：

问题在于您提供的目标（即标签）形状（即Error when checking target）。模型中 LSTM 层的输出，也是模型的输出，具有(None, 1) 的形状，因为您指定仅返回最终输出（即return_sequences=False）。为了获得每个时间步的输出，您需要设置return_sequences=True。这样 LSTM 层的输出形状将为(None, num_timesteps, num_units)，这与您提供的标签数组的形状一致。

【讨论】：