Javascript 在inputshape上丢失（Tensorflow.js LSTM模型尝试）

我正试图在Tensorflow.js上使用我的第一个LSTM模型，但我几乎被形状所束缚（我想）

假设输入数组：

X = [ [
    0,
    0.0013304822998336796,
    0.0015680684248040588,
    0.000617723924922986,
    0.002708481824661435,
    0.0035162746495605024,
    -0.00009503444998804067,
    -0.004941791399382223,
    -0.0030886196246138198,
    0.0010928961748635224
  ],
  [
    0,
    0.00023727044084842497,
    -0.0007118113225452749,
    0.0013761685569213533,
    0.0021828880558061314,
    -0.0014236226450907719,
    -0.006263939638399774,
    -0.00441323019978157,
    -0.00023727044084842497,
    0.0033692402600484783
  ], ... ]

Y = [
  [ 0.0028556470420255664 ],
  [ 0.006330620210385884 ],
  [ -0.0029661016949151797 ],
  ...
]

和输出阵列：

X = [ [
    0,
    0.0013304822998336796,
    0.0015680684248040588,
    0.000617723924922986,
    0.002708481824661435,
    0.0035162746495605024,
    -0.00009503444998804067,
    -0.004941791399382223,
    -0.0030886196246138198,
    0.0010928961748635224
  ],
  [
    0,
    0.00023727044084842497,
    -0.0007118113225452749,
    0.0013761685569213533,
    0.0021828880558061314,
    -0.0014236226450907719,
    -0.006263939638399774,
    -0.00441323019978157,
    -0.00023727044084842497,
    0.0033692402600484783
  ], ... ]

Y = [
  [ 0.0028556470420255664 ],
  [ 0.006330620210385884 ],
  [ -0.0029661016949151797 ],
  ...
]

构建张量，如：

const xs = tf.tensor2d(X, [X.length, X[0].length]);
const ys = tf.tensor2d(Y, [Y.length, 1]);

然后是模型和它的训练，比如：

const model = tf.sequential();
model.add(tf.layers.lstm({units: 10, inputShape: [10] }));
model.add(tf.layers.dropout({rate: 0.25}));
model.add(tf.layers.dense({units: 1 }));
model.add(tf.layers.activation({ activation: 'linear' }));

model.compile({
    optimizer: tf.train.adam(),
    loss: 'meanAbsoluteError'
});

model.fit(xs, ys, {
    batchSize: 4, epochs: 50, callbacks: {
        onEpochEnd: async (epoch, log) => {
            console.log("Epoch: ", epoch, " - ", log);
        }
    }
});

Keek获取错误

“错误：输入0与层lstm_LSTM1不兼容：预期ndim=3，发现ndim=2”

。。。。。尝试将inputShape更改为其他内容，在训练前不给出错误，但在检查输入时给出不同的错误

“错误：预期lstm\u LSTM1\u输入具有三维。但在训练中获得了形状为168418,10”

的数组。。。。。所以我假设我对形状的理解是错误的，哈哈，这是我试图从python迁移到.js的一个模型，这正是我需要的，但是使用了错误的语言。。。。。python中的原始模型是：

def build_lstm_model(input_data, output_size=1, neurons=20, activ_func='linear', dropout=0.25, loss='mae', optimizer='adam'):
    model = Sequential()
    model.add(LSTM(neurons, input_shape=( input_data.shape[1], input_data.shape[2])))
    model.add(Dropout(dropout))
    model.add(Dense(units=output_size))
    model.add(Activation(activ_func))
    model.compile(loss=loss, optimizer=optimizer)

以及培训：

history = model.fit(X_train, y_train, epochs=50, batch_size=4)

我的处境到底是什么样的？张量是以错误的方式形成的吗？我错过了什么

---

谢谢你，我真的很期待这个工作，并理解为什么它不工作。让我的手在机器学习上弄脏。

keras.layers.LSTM的

输入形状是（批量大小、时间步长、功能）。如您所见，RNN结构是为依赖时间的数据创建的，因此，如果您的数据不包含时间信息，最好不要使用它。另一方面，如果您确实有时间信息，那么请确保您的输入形状是3d（批量大小+时间步长，特征=1+2）输入。如果不设置批量大小，keras会将其设置为
None
，作为
batch size=1
，因此如果不设置，则无需担心在您的情况下，您只需使用
inputShape:[10]
，这不是使用
keras.layers.LSTM的格式如果您仍想尝试应用LSTM，请为您的输入扩展维度，并且不要忘记更改inputShape后的更改。
谢谢，让我走上了正确的道路！只是还不是100%确定，因为一些概念，如批量大小和时间步长，我们将尝试使用您提供给我的信息。。。。。。。我应该使用timestamp或datestring作为“时间步长”并将其作为时间戳，也进行规范化吗？根据我下面的例子，它确实需要是LSTM。假设你得到了一个类似于
[[1,2,3]，[4,5,6]
的数组，它是一个二维数组，具有time1 is
[1,2,3]
和time2 is
[4,5,6]
的特性，你可以猜RNN输出（pred time3）将是
[7,8,9]
。这是使用
keras.layers.LSTM
的基本思想。正常化并不总是必要的，但在大多数深度学习模式中，这样做更好。只要试着修改它，并享受乐趣