Python Keras Tensorflow在历元期间的整形误差

我是Keras和Tensorflow的新手，我正在尝试使用LSTM在我拥有的一些雷达脉冲数据集上进行训练。 在编译过程中，我让它工作，但当模型开始训练时，我无法让它工作。我不知道在哪里放置重塑以及使用哪些尺寸，因为错误给出的数字我不知道它们来自哪里

因此，代码是：

x_train = load_data("D:\\Software_Herramienta\\Datasets\\sweep_switch_train.csv")
y_train = load_data("D:\\Software_Herramienta\\Datasets\\sweep_switch_labels_train.csv")
x_train = x_train.reshape(-1, x_train.shape[0], x_train.shape[1], 1)
y_train.astype(int)
y_train = y_train.reshape(1,1000)

batch = 10

model = Sequential()
model.add(Convolution2D(32, 3, 3, activation='relu', input_shape=(None, x_train.shape[1], 1)))
model.add(TimeDistributed(Activation('relu')))
model.add(TimeDistributed(Dense(32, name="first_dense")))
model.add(Reshape((3, 4)))
model.add(LSTM(x_train.shape[1], dropout_U=0.2, dropout_W=0.2))
# model.add(Dense(1, activation='softmax'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=15, batch_size=batch)

错误告诉我们：

>纪元1/15
2018-06-13 13:40:17.225066:it:\src\github\tensorflow\tensorflow\core\platform\cpu\u feature\u guard.cc:140]您的cpu支持此tensorflow二进制文件未编译为使用的指令：AVX2
回溯（最近一次呼叫最后一次）：
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\client\session.py”，第1322行，在\u do\u调用中
返回fn（*args）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\client\session.py”，第1307行，在\u run\u fn中
选项、提要、获取列表、目标列表、运行元数据）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\client\session.py”，第1409行，位于调用会话运行中
运行（元数据）
tensorflow.python.framework.errors\u impl.InvalidArgumentError:重塑的输入是一个值为31872128的张量，但请求的形状有12个
[[Node:Reformate_1/Reformate=Reformate[T=DT_FLOAT，Tshape=DT_INT32，_device=“/job:localhost/replica:0/task:0/device:CPU:0”]（time\u distributed_2/add，Reformate_1/Reformate/shape）]]
在处理上述异常期间，发生了另一个异常：
回溯（最近一次呼叫最后一次）：
文件“D:/Software\u Herramienta/Pulse\u Generator/Pulse\u model\u keras\u tf.py”，第74行，in
模型拟合（x_序列，y_序列，历代=15，批量大小=批量）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\keras\models.py”，第1002行，以适当方式
验证步骤=验证步骤）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\keras\engine\training.py”，第1705行，以适合的形式
验证步骤=验证步骤）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\keras\engine\training.py”，第1236行，在_fit\u循环中
outs=f（ins\U批量）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\keras\backend\tensorflow\u backend.py”，第2482行，在调用中__
**自我介绍（kwargs）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\client\session.py”，第900行，正在运行
运行_元数据_ptr）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\client\session.py”，第1135行，处于运行状态
feed_dict_tensor、options、run_元数据）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\client\session.py”，第1316行，在运行中
运行（元数据）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\client\session.py”，第1335行，在\u do\u调用中
提升类型（e）（节点定义、操作、消息）
tensorflow.python.framework.errors\u impl.InvalidArgumentError:重塑的输入是一个值为31872128的张量，但请求的形状有12个
[[Node:Reformate_1/Reformate=Reformate[T=DT_FLOAT，Tshape=DT_INT32，_device=“/job:localhost/replica:0/task:0/device:CPU:0”]（time\u distributed_2/add，Reformate_1/Reformate/shape）]]
由op“重塑1/重塑”引起，定义为：
文件“D:/Software\u Herramienta/Pulse\u Generator/Pulse\u model\u keras\u tf.py”，第69行，in
添加模型（重塑（（3,4）））
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\keras\models.py”，第522行，在add中
输出张量=层（自输出[0]）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\keras\engine\topology.py”，第619行，在调用中__
输出=自调用（输入，**kwargs）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\keras\layers\core.py”，第406行，在调用中
返回K.重塑（输入，（K.形状（输入）[0]，）+self.目标形状）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\keras\backend\tensorflow\u backend.py”，第1898行，位于重塑中
返回tf。重塑（x，形状）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\ops\gen\u array\u ops.py”，第7323行，在整形中
“重塑”，张量=张量，形状=形状，名称=名称）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\framework\op\u def\u library.py”，第787行，位于“应用”op\u helper中
op_def=op_def）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\framework\ops.py”，第3392行，位于create\u op
op_def=op_def）
文件“D:\Software\u Utils\Python\u 3.6.5\lib\site packages\tensorflow\Python\framework\ops.py”，第1718行，在uu init中__
self._traceback=self._graph._extract_stack（）35; pylint:disable=protected access
InvalidArgumentError（回溯见上文）：重塑的输入是一个值为31872128的张量，但请求的形状有12个
[[Node:Reformate_1/Reformate=Reformate[T=DT_FLOAT，Tshape=DT_INT32，_device=“/job:localhost/replica:0/task:0/device:CPU:0”]（time\u distributed_2/add，Reformate_1/Reformate/shape）]]

作为

重塑层输入的元素数量必须等于其输出中的元素数量（
输出\u形状=（无，3，4）
，因此
批量大小*12
元素），目前情况并非如此

您的模型仍在编译，因为您正在为模型输入的维度
0
引入动态大小（c.f.
input\u shape=（无，x\u train.shape[1]，1）
）。因为
None
将仅在推断时被实际维度大小替换，所以Keras在编译时信任您为样本提供适当大小的维度
0
，以便它们在
重塑之前的元素数量等于
3*4=12
。由于最后使用
model.fit（）
馈送的元素最终会变大，因此在
重塑
时推理失败

具体地说，让我们分析一下您的代码。根据跟踪中的值，我将假设您的
扫描开关\u train.cs
# Mocking 50 samples of size 1000x1000x1 and their labels:
x_train = np.random.rand(50, 1000, 1000, 1)
y_train = np.random.randint(2, size=50)

model = Sequential()
model.add(Convolution2D(32, 3, 3, activation='relu', input_shape=x_train.shape[1:]))
# notice we set input_shape to (1000, 1000, 1) instead of (None, 1000, 1) the way you were.
# This makes the example clearer as Keras directly knows all dimensions.
model.add(TimeDistributed(Activation('relu')))
model.add(TimeDistributed(Dense(32, name="first_dense")))
model.add(Reshape((3, 4)))
model.add(LSTM(x_train.shape[1], dropout_U=0.2, dropout_W=0.2))

model = Sequential()
model.add(Convolution2D(32, 3, 3, activation='relu', input_shape=x_train.shape[1:]))
print(model.layers[0].output_shape)
# (None, 998, 998, 32)
model.add(TimeDistributed(Activation('relu')))
print(model.layers[1].output_shape)
# (None, 998, 998, 32)
model.add(TimeDistributed(Dense(32, name="first_dense")))
print(model.layers[2].output_shape)
# (None, 998, 998, 32)
model.add(Reshape((3, 4)))