Python 如何正确指定Keras LSTM模型的输入形状

我有一个生成x和y的生成器，我用它来训练我在Keras中的LSMT模型

X的格式为[0.0,1.0,0.0004]

我在前面设置了此数据的形状：

x_out = np.array(list(x_drop.values())).reshape(len(x_drop), 1)
y_out = np.array([y])

我在一个异步生成器中得到它，然后传入一个同步函数，然后使用model.fit_generator（）：

我的型号代码如下

   def lstm_model():
       model = Sequential()
       model.add(LSTM(100, input_shape=(3,1)))
       model.add(Dense(1))
       model.compile(loss='mean_squared_error', optimizer='adam')
       return model

我得到以下错误：

ValueError: Error when checking input: expected lstm_1_input to have 3 dimensions, but got array with shape (3, 1)

注意，我不能预处理这些数据

---

我还没有看到使用lstm处理非预处理数据的例子，任何建议都非常感谢！谢谢。

您的数据必须是使用格式（x，y，z）的元组，其中=>x是您的批次号（您可以从1开始），y是您的数据数组，z是您的数据形状。 根据您的案例，我可以推断您的数据有一个特征，有三个步骤。因此，您可以使用以下代码进行准备：

data = data.reshape((1, 3, 1))

---

如果无法直接更改数据，可以将其合并到新数组中，然后将该数组放入模型中

可以发布与数据管道相关的代码吗？当然可以。抱歉，我想我的代码不清楚，我的train_gen返回一个X，Y元组的形式：（[0.0，1.0，0.0004]，0.25）。所以有3个功能，1个步骤。这意味着我应该重新调整为（1，1，3）？但请记住它不能正常工作，因为您只有一个单元格/时间步（在LSTM中，每个时间步都作为一个单元格工作，这是您首先要利用的），为什么它不能正常工作？我的回望窗口是100个周期，但我一次只喂1批。它们不应该相关？你没有充分发挥LSTM的潜力，事实上，你使用它的方式（每批一个时间步）使你的RNN像ANN一样工作（LSTM从时间步之间的连接中获益）。您可以在这里了解更多信息：您使用时间步来显示信息每次是如何演变的，您至少需要两个信息单元（两个时间步）来利用它

data = data.reshape((1, 3, 1))