python - ValueError : Error when checking input: expected lstm_1_input to have 3 dimensions, 但得到形状为 (10, 1) 的数组

Question

我正在努力解决 LSTM input_shape 问题。在这里，我制作了一个简单的 LSTM 网络，应该对其进行训练，以将输入加倍。

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np

X = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
y = np.array([2, 4, 6, 8, 10, 12, 14, 16, 18, 20])

data_dim = 1
timesteps = 8

model = Sequential()
model.add(LSTM(32, return_sequences=True, input_shape=(timesteps, data_dim)))
model.add(LSTM(32, return_sequences=True))
model.add(Dense(10, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

model.fit(X,y, batch_size=10, epochs=1000)

但是总是出现这样的错误信息:ValueError:检查输入时出错:预期 lstm_1_input 具有 3 个维度，但得到形状为 (10, 1) 的数组我究竟做错了什么？有人可以向我解释 input_shape 的事情吗？亲切的问候。尼克拉斯

Answer 1

您的代码有很多问题。

1) 你想要一个回归问题。在最后一层，softmax 会将数字压缩到 0 和 1 之间。您需要线性激活。

2) 因此，损失函数应该是mean_square_error。

3) 目标 y 的形状决定了每个时间步的输出层大小应该是 1 而不是 10。

4) LSTM 层的输入和输出数组的形状应该是 (batch_size, time_step, dim)。

5) LSTM 层中定义的时间步长与输入数据的时间步长应该相同。

我将这些更改合并到您的代码中:

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np

X = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
y = np.array([2, 4, 6, 8, 10, 12, 14, 16, 18, 20])

X = X.reshape(1,10,1)
y = y.reshape(1,10,1)

data_dim = 1
timesteps = 10

model = Sequential()
model.add(LSTM(32, return_sequences=True, input_shape=(timesteps, data_dim)))
model.add(LSTM(32, return_sequences=True))
model.add(Dense(1, activation='linear'))

print(model.summary())

model.compile(loss='mean_squared_error', optimizer='rmsprop', metrics=['accuracy'])

model.fit(X,y, batch_size=1, epochs=1000)