时间戳

首页 > 解决方案 > 在 Keras 中实现 LSTM。ValueError：层顺序与层不兼容

python - 在 Keras 中实现 LSTM。ValueError：层顺序与层不兼容

问题描述

我是 Keras 的新手，正在尝试实现 RNN。

我的整个数据集包含 431 条记录和 818 个属性。每条记录都是 818 个值的一维数组（每个“值”都与该记录的属性相关联）。最后，有一个 70-30 的拆分来分别构建训练集和测试集。

我遇到一个错误，内容如下：

ValueError: Input 0 of layer sequential_62 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: [None, 817]

不幸的是，我花费了不必要的时间来尝试解决这个问题，并希望该库的一些资深用户能够提供帮助。我相信我之前有过这个错误的一个版本，但是能够通过关于这个链接的讨论来解决它。我不确定当前的错误是否仍与该讨论有关——我不认为是。请注意，查看此讨论不是回答问题所必需的。

下面是一个最小可重现的例子。所有的实现都是完全一样的，除了我在一个较小的数据集中进行了硬编码。它是 6 个一维数组，每个数组有六个值​​。发生完全相同的错误。

import tensorflow as tf
import numpy as np
import pandas as pd
import math

from keras.models import Sequential
from keras.layers import LSTM, Dense, Dropout, Masking, Embedding

data = [[3.0616e-03, 3.2530e-03, 2.6789e-03, 0.0000e+00, 1.9135e-04, 1.0000e+00],
 [1.1148e-02, 1.4231e-03, 1.8975e-03, 0.0000e+00, 0.0000e+00, 1.0000e+00],
 [5.7723e-03, 7.5637e-03, 2.1895e-03, 0.0000e+00, 3.9809e-04, 1.0000e+00],
 [7.4699e-03, 1.2048e-03, 1.4458e-03, 0.0000e+00, 4.8193e-04, 1.0000e+00],
 [6.0682e-03, 4.1850e-04, 1.6740e-03, 0.0000e+00, 4.1850e-04, 1.0000e+00],
 [9.1189e-03, 7.6906e-04, 1.2085e-03, 0.0000e+00, 1.0987e-04, 1.0000e+00]]

df = pd.DataFrame(data)

#Separating out the features for training set. 
trainingInputs = df.iloc[0:(round(0.7 * df.shape[0])), :(df.shape[1] - 1)].values

#Separating out the target for training set.
trainingOutputs = df.iloc[0:(round(0.7 * df.shape[0])), (df.shape[1] - 1)].values

#Separating out the features for testing set.
testingInputs = df.iloc[(math.ceil(0.7 * df.shape[0])):, :(df.shape[1] - 1)].values

#Separating out the target for testing set. 
desiredOutputs = df.iloc[(math.ceil(0.7 * df.shape[0])):, (df.shape[1] - 1)].values

trainingInputs = trainingInputs.reshape(trainingInputs.shape[0], 1, trainingInputs.shape[1])

#trainingInputs = np.expand_dims(trainingInputs, 1)

model = Sequential()

# Going to another recurrent layer: return the sequence.
model.add(LSTM(128, input_shape = (trainingInputs.shape[1:]), activation = 'relu', return_sequences = True))
model.add(Dropout(0.2))

model.add(LSTM(64, activation = 'relu'))
model.add(Dropout(0.2))

model.add(Dense(32, activation = 'relu'))
model.add(Dropout(0.2))

model.add(Dense(10, activation = 'softmax'))

opt = tf.keras.optimizers.Adam(lr = 1e-3, decay = 1e-5)

#Mean squared error.
model.compile(loss = 'sparse_categorical_crossentropy',
             optimizer = opt,
             metrics = ['accuracy'])
model.fit(trainingInputs, trainingOutputs, epochs = 3, validation_data = (testingInputs, desiredOutputs))

请让我知道是否需要对该问题进行任何澄清。我很乐意提供。

标签： pythonmachine-learningkerasneural-networkrecurrent-neural-network

解决方案

你所做的一切都是正确的，除了你忘记重塑你的测试输入：

testingInputs = testingInputs.reshape(testingInputs.shape[0], 1, testingInputs.shape[1])

推荐阅读