python - Keras LSTM 从 CSV 加载数据“预期 ndim=3,发现 ndim=2。收到完整形状:(无,150)”
问题描述
我是 LSTM 的初学者,如果这是一个基本问题,我很抱歉。我一直在尝试制作一个简单的 LSTM 模型,该模型从 csv 文本文件中加载数据以进行训练
trainX = pd.read_csv("Train\\X_Data.txt", header=None, delim_whitespace=True).to_numpy()
trainY = pd.read_csv("Train\\Y_Data.txt", header=None, delim_whitespace=True).to_numpy()
testX = pd.read_csv("Test\\X_Data.txt", header=None, delim_whitespace=True).to_numpy()
testY = pd.read_csv("Test\\Y_Data.txt", header=None, delim_whitespace=True).to_numpy()
n_timesteps = trainX.shape[0]
n_features = trainX.shape[1]
model = Sequential()
model.add(LSTM(100, input_shape=trainX.shape, return_sequences=True))
model.add(Dropout(0.5))
model.add(Dense(100, activation='relu'))
#may need 2 neurons as there are two classes
model.add(Dense(1, activation='sigmoid'))
model.summary()
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
# fit network
model.fit(trainX, trainY, epochs=EPOCHS, batch_size=BATCH_SIZE, verbose=1)
# evaluate model
evalLosses, evalAccuracy = model.evaluate(testX, testY, batch_size=BATCH_SIZE, verbose=1)
print("Overall Accuracy: " + str(evalAccuracy))
print("Overall Loss: " + str(evalLosses))
我的输入是:
trainY.shape = (35, 1)
trainX.shape = (35, 150)
trainX = [[0.48597709 0.52190752 0.62556772 ... 0.09958187 0.12535847 0.0833305 ]
[0.40917949 0.40525872 0.24515716 ... 0.33276069 0.40186229 0.36288622]
[0.16203835 0.14811591 0.1618184 ... 0.08745848 0.09398027 0.1056776 ]
...
[0.21770377 0.24859037 0.20659391 ... 0.01323494 0.01249982 0.01307911]
[0.27596078 0.26605097 0.36028712 ... 0.10316001 0.10662966 0.10724351]
[0.34860233 0.3500129 0.35434798 ... 0.04347154 0.02899346 0.02327774]]
trainY = [[0]
[0]
[0]
[0]
.
.
.
[0]
[0]
[1]
[1]
[1]]
当我尝试将数据拟合到我的模型时,出现以下错误
ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 150)
如何让我的数据加载?形状是二维的(35,150),那么为什么 keras 只看到(无,150)?
谢谢
解决方案
trainX.shape = (35, 150)
这意味着您35
有150
. 但是您需要batch_size
根据 Keras 传递位于第一位的数据。因此,您必须将2D
输入扩展为3D
:
trainX = tf.expand_dims(trainX, axis=-1) # new shape = (35, 150, 1)
trainY = tf.expand_dims(trainY, axis=-1) # new shape = (35, 150, 1)
然后,您可以将数据传递给模型:
model = Sequential()
model.add(LSTM(100,input_shape=(trainX.shape[1], trainX.shape[2]), return_sequences=True)
model.add(Dropout(0.5))
model.add(Dense(100, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
编辑:
由于您正在处理二进制分类任务,因此将损失从 更改categorical_crossentropy
为binary_crossentropy
。
推荐阅读
- asp.net-core - ASP.NET CORE 和 BLAZOR:重置密码
- php - 如何在 Laravel 6 中使用 DB::raw 将基于关系的文件放入 CONCAT?
- java - 在java中读取文件的特定部分
- c# - 使用 WPF 在框架中加载页面。框架可以重定向到页面。但设计未加载
- c++ - cmake add_custom_command + Xcode:多输出=多命令调用
- java - 如何在 AndroidStudio 中保存按钮的状态?
- .net - AWS DynamoDb - 更新列表中的特定地图 (.NET)
- reactjs - 在浏览器中显示失败的重建开发 npm/react/gatsy 错误
- magento - 用于 Magento 2 开发的 Docker
- javascript - 谷歌表格脚本 - onChange