Keras LSTM在我给它2时期望3维,但在我给它3时期望4维
这给了我一个错误,告诉我它预期为3维,但得到了2维: 输入层=输入(形状=(无,1000000))Keras LSTM在我给它2时期望3维,但在我给它3时期望4维,keras,lstm,Keras,Lstm,这给了我一个错误,告诉我它预期为3维,但得到了2维: 输入层=输入(形状=(无,1000000)) lstm_1=lstm(500,辍学率=0.2,经常性辍学率=0.2)(输入层) 其中任何一个都给了我一个错误,告诉我它期望4维,但得到3维: input\u layer=input(shape=(无,1000000,无)) 输入层=输入(形状=(无,无,1000000)) 输入的形状参数没有考虑批量大小,因此真正给出形状=(无,1000)的是(批量大小,无,100),它变成了三维。因此,您需
lstm_1=lstm(500,辍学率=0.2,经常性辍学率=0.2)(输入层)
其中任何一个都给了我一个错误,告诉我它期望4维,但得到3维:
input\u layer=input(shape=(无,1000000,无))
输入层=输入(形状=(无,无,1000000))
输入的形状
参数没有考虑批量大小,因此真正给出形状=(无,1000)
的是(批量大小,无,100)
,它变成了三维。因此,您需要输入形状(样本、时间步长、特征)的数据,因此为fit
功能输入3D数据。问题在于您的数据。LSTM需要3D数据。(PS:你确定你有一百万个功能而不是一百万个步骤吗?Input(shape=(None,1000000))
有三个维度(批量大小是隐藏的)。