Python 尺寸数量错误：预期为3，形状为2（119,80）

我是Keras的新手，在形状方面有一些问题，特别是在RNN和LSTM方面

我正在运行以下代码：

model.add(SimpleRNN(init='uniform',output_dim=1,input_dim=len(pred_frame.columns)))
model.compile(loss="mse", optimizer="sgd")
model.fit(X=predictor_train, y=target_train, batch_size=len(pred_frame.index),show_accuracy=True)

TypeError: ('Bad input argument to theano function with name "/Library/Python/2.7/site-packages/keras/backend/theano_backend.py:362"  at index 0(0-based)', 'Wrong number of dimensions: expected 3, got 2 with shape (119, 80).')

可变预测器_序列是一个numpy数组，有119个内部数组，每个数组有80个不同的项

我有一个错误：

model.add(SimpleRNN(init='uniform',output_dim=1,input_dim=len(pred_frame.columns)))
model.compile(loss="mse", optimizer="sgd")
model.fit(X=predictor_train, y=target_train, batch_size=len(pred_frame.index),show_accuracy=True)

TypeError: ('Bad input argument to theano function with name "/Library/Python/2.7/site-packages/keras/backend/theano_backend.py:362"  at index 0(0-based)', 'Wrong number of dimensions: expected 3, got 2 with shape (119, 80).')

到目前为止，我发现RNN接收的三维张量的形状为（batch_size，timesteps，dimension），当您设置input_shape时，通常会忽略batch_size，您应该只提供（timesteps，dimension）的元组。但是应该在代码的哪一部分进行更改（如果可能，添加您的代码更改建议）

---

额外信息 关于pred_帧

类型：类“pandas.core.frame.DataFrame”

形状：（206,80）

关于目标列车

类型：类别“熊猫。核心。系列。系列”

形状：（119，）

数据类型：64

Date
2004-10-01    0.003701
2005-05-01    0.001715
2005-06-01    0.002031
2005-07-01    0.002818
...
2015-05-01   -0.007597
2015-06-01   -0.007597
2015-07-01   -0.007597
2015-08-01   -0.007597

[[  0.00000000e+00  -1.00000000e+00   1.03550000e-02 ...,   8.42105263e-01
    6.50000000e+01  -3.98148148e-01]
 [ -1.13600000e-02  -1.07482052e+00  -9.25333333e-03 ...,   4.45783133e-01
    8.30000000e+01  -1.94915254e-01]
 [  4.71300000e-02  -5.14876761e+00   1.63166667e-03 ...,   4.45783133e-01
    8.50000000e+01  -1.94915254e-01]
 ..., 
 [  4.73500000e-02  -1.81092653e+00  -8.54000000e-03 ...,   1.39772727e+00
    2.77000000e+02  -3.43601896e-01]
 [ -6.46000000e-03  -1.13643083e+00   1.06100000e-02 ...,   2.22551929e-01
    2.77000000e+02  -3.43601896e-01]
 [  3.14200000e-02  -5.86377709e+00   1.50850000e-02 ...,   2.22551929e-01
    2.82000000e+02  -2.76699029e-01]]

关于预测器训练

键入：“numpy.ndarray”

形状：（119,80）

数据类型：64

Date
2004-10-01    0.003701
2005-05-01    0.001715
2005-06-01    0.002031
2005-07-01    0.002818
...
2015-05-01   -0.007597
2015-06-01   -0.007597
2015-07-01   -0.007597
2015-08-01   -0.007597

[[  0.00000000e+00  -1.00000000e+00   1.03550000e-02 ...,   8.42105263e-01
    6.50000000e+01  -3.98148148e-01]
 [ -1.13600000e-02  -1.07482052e+00  -9.25333333e-03 ...,   4.45783133e-01
    8.30000000e+01  -1.94915254e-01]
 [  4.71300000e-02  -5.14876761e+00   1.63166667e-03 ...,   4.45783133e-01
    8.50000000e+01  -1.94915254e-01]
 ..., 
 [  4.73500000e-02  -1.81092653e+00  -8.54000000e-03 ...,   1.39772727e+00
    2.77000000e+02  -3.43601896e-01]
 [ -6.46000000e-03  -1.13643083e+00   1.06100000e-02 ...,   2.22551929e-01
    2.77000000e+02  -3.43601896e-01]
 [  3.14200000e-02  -5.86377709e+00   1.50850000e-02 ...,   2.22551929e-01
    2.82000000e+02  -2.76699029e-01]]

编辑 感谢@y300，显然3d问题已经解决了。我现在的形状是（119,1,80）

但是，我仍然在model.fit行中遇到一个成形问题，如您在下面所看到的：

File "/Library/Python/2.7/site-packages/theano/tensor/blas.py", line 1612, in perform
z[0] = numpy.asarray(numpy.dot(x, y))
ValueError: ('shapes (119,80) and (119,1) not aligned: 80 (dim 1) != 119 (dim 0)', (119, 80), (119, 1))
Apply node that caused the error: Dot22(Alloc.0, <TensorType(float32, matrix)>)
Inputs types: [TensorType(float32, matrix), TensorType(float32, matrix)]
Inputs shapes: [(119, 80), (119, 1)]
Inputs strides: [(320, 4), (4, 4)]
Inputs values: ['not shown', 'not shown']

文件“/Library/Python/2.7/site packages/theano/tensor/blas.py”，第1612行，执行
z[0]=numpy.asarray（numpy.dot（x，y））
ValueError:（'shapes（119,80）和（119,1）未对齐：80（尺寸1）！=119（尺寸0）'（119,80），（119,1））
导致错误的应用节点：Dot22（Alloc.0，）
输入类型：[TensorType（浮点32，矩阵），TensorType（浮点32，矩阵）]
输入形状：[（119,80），（119,1）]
输入跨步：[（320,4），（4,4）]
输入值：[“未显示”、“未显示”]

---

为什么会发生这种情况？我如何修复它？

您可以通过执行以下操作来检查模型的外观

model.summary()

在这种情况下，应该如下所示（实际值可能不同）：

如您所见，输入是三维张量，而不是二维张量。因此，您需要重新调整阵列以符合keras的期望。特别是，输入X_序列应具有尺寸（num_samples，1，input_dim）。以下是一些随机生成的x/y数据的工作示例：

model.add(keras.layers.SimpleRNN(init='uniform',output_dim=1,input_dim=100))
model.compile(loss="mse", optimizer="sgd")
X_train = np.random.rand(300,1,100)
y_train = np.random.rand(300)
model.fit(X=X_train, y=y_train, batch_size=32,show_accuracy=True)

---

感谢@y300，显然我能够创建一个形状为（119,1,80）的3d张量。然而，在我对这个问题所做的编辑中，我仍然得到了上面描述的一个形状错误。你知道这个形状错误发生在哪里吗？你解决问题了吗？从模型摘要

初始输入形状：（None，None，119）

它似乎期望长度为119的特征向量，但您的长度为80。