python - Keras LSTM 类型错误消息
问题描述
我正在尝试了解如何使用 keras 进行供应链预测，但我不断收到在其他地方找不到帮助的错误。我试过做类似的教程；太阳黑子预测教程、污染多元教程等，但我仍然不了解 input_shape 参数的工作原理或如何组织我的数据以使其被 keras 接受。
我的数据集是一个时间序列，描述了我们每个月销售的产品数量。我把那个单一的时间序列，107 个月，变成了一个 30 行，77 列的数据集。我从中创建了一个训练集和测试集。
但无论我做什么，即使只是创建一个没有某种错误的模型，我也无法过去。
Keras v#：1.2.0
C:\Users\Ryan.B>python -c "import keras; print(keras.version ) "
使用 TensorFlow 后端。
1.2.0
Python版本：3.5.4
这是我得到的代码和相应的错误。
model = Sequential()
model.add(LSTM(units=64, input_shape=(77, 1), output_dim=1))
C:\Python35\lib\site-packages\keras\backend\tensorflow_backend.py in concatenate(tensors, axis)
1219 try:
-> 1220 return tf.concat_v2([to_dense(x) for x in tensors], axis)
1221 except AttributeError:
AttributeError: module 'tensorflow' has no attribute 'concat_v2'
During handling of the above exception, another exception occurred:
TypeError Traceback (most recent call last)
<ipython-input-21-94f09519ff46> in <module>()
1 model = Sequential()
----> 2 model.add(LSTM(input_shape=(77, 1), output_dim = 1))
3 #model.add(Dense(10, activation = 'relu'))
4 #model.add(Dense(1, activation = 'softmax'))
C:\Python35\lib\site-packages\keras\models.py in add(self, layer)
292 else:
293 input_dtype = None
--> 294 layer.create_input_layer(batch_input_shape, input_dtype)
295
296 if len(layer.inbound_nodes) != 1:
C:\Python35\lib\site-packages\keras\engine\topology.py in create_input_layer(self, batch_input_shape, input_dtype, name)
396 # and create the node connecting the current layer
397 # to the input layer we just created.
--> 398 self(x)
399
400 def add_weight(self, shape, initializer, name=None,
C:\Python35\lib\site-packages\keras\engine\topology.py in __call__(self, x, mask)
541 '`layer.build(batch_input_shape)`')
542 if len(input_shapes) == 1:
--> 543 self.build(input_shapes[0])
544 else:
545 self.build(input_shapes)
C:\Python35\lib\site-packages\keras\layers\recurrent.py in build(self, input_shape)
761 self.W_f, self.U_f, self.b_f,
762 self.W_o, self.U_o, self.b_o]
--> 763 self.W = K.concatenate([self.W_i, self.W_f, self.W_c, self.W_o])
764 self.U = K.concatenate([self.U_i, self.U_f, self.U_c, self.U_o])
765 self.b = K.concatenate([self.b_i, self.b_f, self.b_c, self.b_o])
C:\Python35\lib\site-packages\keras\backend\tensorflow_backend.py in concatenate(tensors, axis)
1220 return tf.concat_v2([to_dense(x) for x in tensors], axis)
1221 except AttributeError:
-> 1222 return tf.concat(axis, [to_dense(x) for x in tensors])
1223
1224
C:\Python35\lib\site-packages\tensorflow\python\ops\array_ops.py in concat(values, axis, name)
1041 ops.convert_to_tensor(axis,
1042 name="concat_dim",
-> 1043 dtype=dtypes.int32).get_shape(
1044 ).assert_is_compatible_with(tensor_shape.scalar())
1045 return identity(values[0], name=scope)
C:\Python35\lib\site-packages\tensorflow\python\framework\ops.py in convert_to_tensor(value, dtype, name, preferred_dtype)
674 name=name,
675 preferred_dtype=preferred_dtype,
--> 676 as_ref=False)
677
678
C:\Python35\lib\site-packages\tensorflow\python\framework\ops.py in internal_convert_to_tensor(value, dtype, name, as_ref, preferred_dtype)
739
740 if ret is None:
--> 741 ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)
742
743 if ret is NotImplemented:
C:\Python35\lib\site-packages\tensorflow\python\framework\constant_op.py in _constant_tensor_conversion_function(v, dtype, name, as_ref)
111 as_ref=False):
112 _ = as_ref
--> 113 return constant(v, dtype=dtype, name=name)
114
115
C:\Python35\lib\site-packages\tensorflow\python\framework\constant_op.py in constant(value, dtype, shape, name, verify_shape)
100 tensor_value = attr_value_pb2.AttrValue()
101 tensor_value.tensor.CopyFrom(
--> 102 tensor_util.make_tensor_proto(value, dtype=dtype, shape=shape, verify_shape=verify_shape))
103 dtype_value = attr_value_pb2.AttrValue(type=tensor_value.tensor.dtype)
104 const_tensor = g.create_op(
C:\Python35\lib\site-packages\tensorflow\python\framework\tensor_util.py in make_tensor_proto(values, dtype, shape, verify_shape)
372 nparray = np.empty(shape, dtype=np_dt)
373 else:
--> 374 _AssertCompatible(values, dtype)
375 nparray = np.array(values, dtype=np_dt)
376 # check to them.
C:\Python35\lib\site-packages\tensorflow\python\framework\tensor_util.py in _AssertCompatible(values, dtype)
300 else:
301 raise TypeError("Expected %s, got %s of type '%s' instead." %
--> 302 (dtype.name, repr(mismatch), type(mismatch).__name__))
303
304
TypeError: Expected int32, got "<"tf.Variable 'lstm_3_W_i:0' shape=(1, 1) dtype=float32_ref">" of type 'Variable' instead.
任何帮助解决这些错误，并了解 input_shape 和 output_dim 如何工作将不胜感激！
最终，我想开始使用诸如每月营销预算/指标和销售团队指标之类的东西作为多变量预测的外部回归量，但一次一步。感谢您的时间和投入！
解决方案
你真的应该升级到 Keras 2；在 Keras 1.x 中，units甚至不是一个有效的参数，因此您的错误：
import keras
from keras.models import Sequential
from keras.layers import LSTM
keras.__version__
# '2.2.4'
您的案例在 Keras 2 中仍然出现错误，尽管是不同的：
model = Sequential()
model.add(LSTM(units=64, input_shape=(77, 1), output_dim=1))
[...]
TypeError: For the `units` argument, the layer received both the legacy keyword argument `output_dim` and the Keras 2 keyword argument `units`. Stick to the latter!
正如消息所建议的那样，省略了 legacyoutput_dim参数，我们让它工作：
model = Sequential()
model.add(LSTM(units=64, input_shape=(77, 1)))
model.summary()
# result:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
lstm_1 (LSTM) (None, 64) 16896
=================================================================
Total params: 16,896
Trainable params: 16,896
Non-trainable params: 0
_________________________________________________________________
所以，我认真地建议你升级到 Keras 2（我非常怀疑 Keras 1.x 是否可以与 Tensorflow 1.2 一起工作），如果你仍然有问题，请提出一个新问题......
推荐阅读
- python - 如何使用python pandas获取三个复制文件中所有值的平均值
- sql - SQL 连接帮助所需的字段类型与持续时间信息不匹配
- node.js - NextJS：TypeError：无法读取未定义的属性“标题”
- cocoa - 如何将 NSView 键盘处理程序转发到主窗口？
- c# - 将 json 字符串反序列化为非公共类成员
- vega-lite - 您可以在 Vega-Lite 中创建标题案例功能吗？
- rest - 客户端和服务器之间图像的 HTTP 发送空流
- c# - 使用动态密钥 C# 反序列化 Json
- r - 比较两个数据框 R 中的值
- python - Confleunt Kafka - 在时间戳后返回消息