时间戳

首页 > 解决方案 > 检查输入时出错：预期 lstm_29_input 的形状为 (None, None, 2) 但得到的数组的形状为 (51, 1, 10)

python - 检查输入时出错：预期 lstm_29_input 的形状为 (None, None, 2) 但得到的数组的形状为 (51, 1, 10)

问题描述

我的代码如下：

tfidf_matrix=dataset[:0,10]

model = Sequential()

input_shape = tfidf_matrix.shape

model.add(LSTM(32, input_dim=2, return_sequences=True, input_shape=input_shape))

model.add(LSTM(64, input_dim=2, input_shape=input_shape, return_sequences=True))

model.add(Dropout(0.5))

model.add(Dense(1))

model.add(Activation('sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='rmsprop')

model.fit(X_train, Y_train, batch_size=20, nb_epoch=11)

score = model.evaluate(X_test, Y_test, batch_size=20)

我的数据集片段如下（用于二进制分类）：

197.2468966,210.0796552,0.579310345,899.0698276,721.1689655,95.52396817,90.59689707,2.620225801,80.53794681,152.6919308,0

200.7320616,213.6853999,0.653851798,856.1059428,841.3118122,97.48691388,92.08916212,2.753934571,100.4151651,161.5956683,1

225.5475209,250.124516,0.735856126,878.6098414,924.2562758,110.4606583,101.748855,2.885445826,77.50833011,109.0694556,0

我不断收到类似这样的错误："Error when checking input: expected lstm_9_input to have 3 dimensions, but got array with shape (51, 10)" in model.fit() 请帮助

标签： pythontensorflowkerasdeep-learninglstm

解决方案

首先，你应该只input_shape在模型的第一层使用参数。其余层将自动计算其输入形状。

其次，你应该只在你的第一个 LSTM 层中input_dim使用一个参数。input_shape参数input_dim指定序列的每个时间步有多少维度，而input_shape指定序列长度和维度。您不应该在输入形状中包含批量大小。因此，如果您的训练数据是 形状(batch_size, seq_length, dim)，那么您的第一层的输入形状应该是(seq_length, dim)。

在您的情况下，您的数据看起来有 10 个时间步长且只有 1 个维度（即每个时间步长一个数字）。所以，你的训练数据应该有形状(batch_size, 10, 1)，你input_shape的第一层应该是(10, 1).

推荐阅读