Keras RNN输入维度问题

我试图使用keras创建一个简单的RNN，但我遇到了以下错误：

ValueError:检查输入时出错：预期简单输入为3维，但得到了形状为（10,5）的数组。

我发现这是一个常见的问题，并发现了许多类似的问题，但在我的案例中，我仍然无法解决它

代码：

将numpy导入为np
导入glob
从keras.models导入顺序
从keras.layers导入简单、密集、重塑
从keras.preprocessing导入序列
CHARMAP=“abcdefghijklmnopqrstuvxyzabefghijklmnopqrstuvxyz1234567890-=！@$%^&*（）”、“~[]\{}}}124；”：\”、./？”
SEQLEN=5
批量大小=10
ALPHASIZE=len（字符映射）
内部大小=512
NLAYERS=3
学习率=0.001#固定学习率
辍学率=0.8#一些辍学者
FILES=“shakespeare/*.txt”
##数据相关的东西
def char_至_值（char）：
idx=CHARMAP.find（char）
如果idx>=0：
返回idx
其他：
返回0
def值到字符（值）：
返回CHARMAP[值]
#迭代每个文件
def get_文件_数据（模式、索引）：
路径=全局。全局（模式）
长度=长度（路径）
如果索引<长度：
数据=[]
打开（路径[索引]，“r”）作为文件：
对于文件中的行：
行_值=[行中l的字符_到_值（l）]
数据=数据+列表（行值）
返回数据
其他：
一无所获
#获取文件中的批处理数据
def生成行数据（文件数据、序号、批次索引、批次计数）：
长度=长度（文件\数据）
开始=批次索引*批次计数
结束=开始+顺序
x=[]
y=[]
而end+110：
打破

答复：

回溯（最近一次呼叫最后一次）：
文件“07_rnn.py”，第79行，在
model.fit（x，y，epochs=3，batch\u size=BATCHSIZE）
文件“/home/dmabelin/.local/lib/python3.5/site-packages/keras/models.py”，第965行，适合
验证步骤=验证步骤）
文件“/home/dmabelin/.local/lib/python3.5/site-packages/keras/engine/training.py”，第1593行，适合
批次大小=批次大小）
文件“/home/dmabelin/.local/lib/python3.5/site packages/keras/engine/training.py”，第1426行，在用户数据中
异常（前缀为“输入”）
文件“/home/dmabelin/.local/lib/python3.5/site packages/keras/engine/training.py”，第110行，输入数据
“带形状”+str（数据形状））
ValueError：检查输入时出错：简单输入应为3维，但得到了形状为（10,5）的数组

批次数据：

[[0 46 44 41 35]
[46 44 41 35 38]
[44 41 35 38 47]
[41 35 38 47 45]
[35 38 47 45  0]
[38 47 45  0 27]
[47 45  0 27 40]
[45  0 27 40 30]
[ 0 27 40 30  0]
[27 40 30  0 29]]

---

github链接：

传递到SimpleRN层的

ALPHASIZE

是一条线索：字母表的大小是预期数据的维度之一

对于一个包含三个字符的一行的批次，模型不需要像

[[1 4 2]]

这样的数组，而是需要一个“一个热”编码行，每个位置的数组大小为

ALPHASIZE

，除了匹配索引的

1

：

[[0 1 0 0][0 0 0 0 1][0 1 0 0 0]]

keras.utils

中有各种帮助方法，可以使您的数据准备更容易、更快。但要简单地修复代码，您可能可以替换：

while end+1 <= length and len(x) < batch_count:
    x_line = file_data[start:end]
    y_line = file_data[start+1:end+1]

---

而end+1谢谢。我使用了从keras.utils.np_utils import到_category的

line = np.zeros((end - start, ALPHASIZE))
while end <= length and len(x) < batch_count:    
    line = np.zeros((end - start, ALPHASIZE))
x_line = line[:-1]
y_line = line[1:]