Python 理解Keras模型的形状

我正试着把我的头绕在我的特定任务所需的形状上。我正在尝试对qlearner进行数据帧中包含的一些时间序列数据的培训。我的数据帧有以下列：打开、关闭、高、低，我试图得到一个滑动窗口，比如说50倍的时间步长。下面是每个窗口的示例代码：

window = df.iloc[0:50]

df_norm = (window - window.mean()) / (window.max() - window.min())

x = df_norm.values
x = np.expand_dims(x, axis=0)
print x.shape
#(1,50, 4)

现在我知道我的形状是（1,50,4），对于X中的每一个项目，我不知道我输入的模型是什么形状。假设我有以下几点：

model = Sequential()
model.add(LSTM(32, return_sequences=True, input_shape=(50,4)))
model.add(LSTM(32, return_sequences=True))
model.add(Dense(num_actions))

给出以下错误

ValueError: could not broadcast input array from shape (50,4) into shape (1,50)

下面是另一种尝试：

model = Sequential()
model.add(Dense(hidden_size, input_shape=(50,4), activation='relu'))
model.add(Dense(hidden_size, activation='relu'))
model.add(Dense(num_actions))
model.compile(sgd(lr=.2), "mse")

这会产生以下错误：

ValueError: could not broadcast input array from shape (50,4) into shape (1,50))

以下是模型预期的形状和my env的状态：

print "Inputs: {}".format(model.input_shape)
print "actual: {}".format(env.state.shape)
#Inputs: (None, 50, 4)
#actual: (1, 50, 4)

---

有人能解释一下我的形状哪里出了问题吗

重复层接受形状的输入

（批大小、时间步长、输入特征）

。由于

x

的形状是

（1,50,4）

，因此应将数据解释为50个时间步的单个批次，每个时间步包含4个特征。初始化模型的第一层时，传递一个

input\u shape

：一个指定输入形状的元组，不包括

batch\u size

维度。对于LSTM层，可以将

None

作为

timesteps

维度传递。因此，这就是网络第一层的初始化方式：

model.add(LSTM(32, return_sequences=True, input_shape=(None, 4)))

第二个LSTM层之后是致密层。因此，您不需要返回该层的序列。因此，您应该这样初始化第二个LSTM层：

model.add(LSTM(32))

x

中50个时间步的每一批都应该映射到

y

中的单个动作向量。因此，由于

x

的形状是

（1,50,4）

，因此

y

的形状必须是

（1,num\u actions）

。确保

y

没有

timesteps

维度

因此，在假设

x

和

y

具有正确的形状的情况下，以下代码应该可以工作：

model = Sequential()
model.add(LSTM(32, return_sequences=True, input_shape=(None, 4)))
model.add(LSTM(32))
model.add(Dense(num_actions))

model.compile(sgd(lr=.2), "mse")

# x.shape == (1, 50, 4)
# y.shape == (1, num_actions)

history = model.fit(x, y)

---

当我尝试这样做时，我得到了以下错误：ValueError：检查时出错：预期lstm_1_输入为3维，但得到了形状为（50，4）的数组。我删除了展开dims的线条，并将输入_形状设置为（无，4）。在我的代码中，环境的状态是（50,4）数组。我是否应该返回一个形状类似（1，50，4）的数组，因为通常我会提供一个已成形（50，4）的样本列表，例如（500，50，4），其中500是样本数？对不起，如果这些看起来像是基本的问题，我想也许我没有完全弄清楚我想做什么。我的示例中的“x”是我的环境返回的一个窗口，它有50个时间步，每个时间步有4个特性。在每个点上，代理将从具有形状（50,4）的环境中获取状态。因此，如果我要收集一个更大的样本，比如说500个州，形状应该是（500，50，4）。@NomadCrypto，我想我已经弄明白了你在努力实现什么，并相应地编辑了我的答案。让我知道这是否有帮助。