Python 关于如何为lstm塑造数据形状的建议

我有一个933个矩阵的时间序列，每个矩阵是一个8x10矩阵。这是我的X（输入）。所以X有形状（933，8，10）。 Y（输出）是933个向量的时间序列，每个向量是5维向量。所以Y有形状（933，1，5）

我还可以重塑数据（我应该吗？），比如X是（933，80）和Y是（933，5），因为实际上最终输入的是一组80个数字中的933个样本（想象矩阵中的80个像素），输出的是一组5个数字中的933个样本

我正在写CNN-LSTM。我仍然不知道训练/测试的大小，现在让我们假设我想使用所有933个样本进行训练。我的模型是：

model = Sequential()
# define CNN model
model.add(TimeDistributed(Conv2D(1, (2,2), activation='relu', padding='same', input_shape=(None,8,10))))
model.add(TimeDistributed(MaxPooling2D(pool_size=(2, 2))))
model.add(TimeDistributed(Flatten()))
# define LSTM model
model.add(LSTM(933, activation='relu', input_shape=(8,10)))       
model.add(Dense(5))
model.compile(optimizer='adam', loss='mse')
model.fit(X, Y)

我得到以下错误： ValueError:输入张量必须具有秩4

---

我的问题是为什么会出现此错误以及如何解决此问题？

对于LSTM，输入必须是

3D

，即

（示例、时间步长、功能）

在您的情况下，您需要将数据重塑为

（933,8,10）

在LSTM层中，参数

input\u shape

采用两个值的元组，定义

时间步数

和

特征数

。 在您的情况下，它将是

（8,10）

LSTM层的单位数可以是32，64或128。单元过多无助于模型学习

下面是数据的示例LSTM层

data.shape= (933,8,10) 

model = Sequential()
model.add(LSTM(32, input_shape=(8, 10)))
model.add(Dense(5))
model.compile(optimizer='adam', loss='mse')
model.fit(X, Y)

---

对于使用LSTM的时间序列预测，您需要以特定的方式塑造数据。退房。请更新问题，我很乐意为您提供帮助。