Python 检查输入时出错:预期lstm_输入有3个维度,但得到了形状为(4,1)的数组
首先,我知道有很多类似的问题;我试着按照答案的建议去做,但似乎我不知道如何解决它。我有一个Python 检查输入时出错:预期lstm_输入有3个维度,但得到了形状为(4,1)的数组,python,tensorflow,keras,deep-learning,Python,Tensorflow,Keras,Deep Learning,首先,我知道有很多类似的问题;我试着按照答案的建议去做,但似乎我不知道如何解决它。我有一个Keras函数API模型: lstm_input = keras.layers.Input(shape=(1,4), name='lstm_input') x = keras.layers.LSTM(50, name='lstm_0')(lstm_input) x = keras.layers.Dropout(0.2, name='lstm_dropout_0')(x) x = keras.layers.D
Keras函数API模型
:
lstm_input = keras.layers.Input(shape=(1,4), name='lstm_input')
x = keras.layers.LSTM(50, name='lstm_0')(lstm_input)
x = keras.layers.Dropout(0.2, name='lstm_dropout_0')(x)
x = keras.layers.Dense(64, name='dense_0')(x)
x = keras.layers.Activation('sigmoid', name='sigmoid_0')(x)
x = keras.layers.Dense(1, name='dense_1')(x)
output = keras.layers.Activation('linear', name='linear_output')(x)
model = keras.Model(inputs=lstm_input, outputs=output)
adam = keras.optimizers.Adam(lr=0.0005)
model.compile(optimizer=adam, loss='mse')
当我尝试拟合它时,它跳过了这个错误:
ValueError: Error when checking input: expected lstm_input to have 3 dimensions, but got array with shape (4, 1)
这是我对fit
的呼叫:
model.fit(X_aux['X_i'], X[i+1, 0])
# X_aux['X_i'].shape = (4, ) -- it's a numpy array
我尝试了
np.重塑([X_aux['X_i1']],(4,1))
,它的新形状是(4,1)
,但它不起作用。如何解决此问题?请确保您输入的X_aux['X-I']的形状是三维的
任何基于RNN的层的输入必须是三维的,其中每个轴分别对应于批次大小
,时间步长
,以及特征尺寸
重塑为(4,1)
没有帮助的原因是重塑后的张量仍然是二维的。你需要3个
确保正确定义
批量大小
、时间步长
和特征尺寸
,并重新塑造X辅助['X-i']形状,然后重新训练模型。这是否回答了您的问题?