Python 使用Keras io进行最简单的Lstm培训
我想使用keras python库创建最简单的LSTM 我有以下代码：Python 使用Keras io进行最简单的Lstm培训,python,lstm,keras,Python,Lstm,Keras,我想使用keras python库创建最简单的LSTM 我有以下代码： import pandas as pd import numpy as np from keras.models import Sequential from keras.layers.core import Dense, Activation from keras.layers.recurrent import LSTM X_train = pd.DataFrame( np.array([ [1, 2], [3, 4],
import pandas as pd
import numpy as np
from keras.models import Sequential
from keras.layers.core import Dense, Activation
from keras.layers.recurrent import LSTM
X_train = pd.DataFrame( np.array([ [1, 2], [3, 4], [5, 6], [7, 8], [5.1, 6.1], [7.1, 8.1] ]))
y_train = pd.DataFrame( np.array([1, 2, 3, 4, 3, 4]) )
X_test = pd.DataFrame( np.array([ [1.1, 2.1], [3.1, 4.1] ]) )
y_test = pd.DataFrame( np.array([1, 2]) )
model = Sequential()
model.add(LSTM( output_dim = 10, return_sequences=False, input_dim=X_train.shape[1]))
model.add(Dense(input_dim = 10, output_dim=2))
model.add(Activation("linear"))
model.compile(loss="mean_squared_error", optimizer="rmsprop")
model.fit(X_train, y_train)
Epoch 1/100
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib/python2.7/site-packages/keras/models.py", line 489, in fit
shuffle=shuffle, metrics=metrics)
File "/usr/lib/python2.7/site-packages/keras/models.py", line 201, in _fit
ins_batch = slice_X(ins, batch_ids)
File "/usr/lib/python2.7/site-packages/keras/models.py", line 55, in slice_X
return [x[start] for x in X]
File "/usr/lib/python2.7/site-packages/pandas-0.17.0-py2.7-linux-x86_64.egg/pandas/core/frame.py", line 1908, in __getitem__
return self._getitem_array(key)
File "/usr/lib/python2.7/site-packages/pandas-0.17.0-py2.7-linux-x86_64.egg/pandas/core/frame.py", line 1952, in _getitem_array
indexer = self.ix._convert_to_indexer(key, axis=1)
File "/usr/lib/python2.7/site-packages/pandas-0.17.0-py2.7-linux-x86_64.egg/pandas/core/indexing.py", line 1121, in _convert_to_indexer
raise KeyError('%s not in index' % objarr[mask])
KeyError: '[3 4 2 5] not in index'
纪元1/100
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/usr/lib/python2.7/site packages/keras/models.py”，第489行
洗牌=洗牌，指标=指标）
文件“/usr/lib/python2.7/site packages/keras/models.py”，第201行
ins\U batch=slice\U X（ins，批次ID）
文件“/usr/lib/python2.7/site packages/keras/models.py”，第55行，在slice\u X中
返回[x]中x的x[开始]
文件“/usr/lib/python2.7/site packages/pandas-0.17.0-py2.7-linux-x86_64.egg/pandas/core/frame.py”，第1908行，位于__
返回self.\u getitem\u数组（键）
文件“/usr/lib/python2.7/site packages/pandas-0.17.0-py2.7-linux-x86_64.egg/pandas/core/frame.py”，第1952行，在_getitem_数组中
索引器=self.ix.\u转换为索引器（键，轴=1）
文件“/usr/lib/python2.7/site packages/pandas-0.17.0-py2.7-linux-x86_64.egg/pandas/core/index.py”，第1121行，在“convert_to_indexer”中
raise KeyError（“%s”不在索引“%objarr[mask]”中）
KeyError:“[3 4 2 5]不在索引中”
我还尝试转置矩阵，但不是这样。我看到的第一个问题是使用熊猫数据帧。我想你应该在这里使用numpy数组。第二个问题是X矩阵。它应该是一个3D阵列。例如，如果我尝试使用
X_train = np.random.randn(6,2,2)
那就行了 运行代码时显示的错误是 ValueError：检查输入时出错：预期lstm_2_输入有3个维度，但得到了形状为（6，2）的数组 如用户108372所述，您可以通过输入一个3D numpy数组来解决这个问题 调试的一个好方法是打印model.summary（），这将为您提供每个层所需的输出形状。此外，您并不总是需要指定输出和输入形状。Keras将为您解决这一问题：）现在，一个有效的示例如下：
X_train = np.random.randn(6,2,2)
y_train = pd.DataFrame( np.array([1, 2, 3, 4, 3, 4]) ).values
X_test = np.random.randn(2,2,2)
y_test = pd.DataFrame( np.array([1, 2]) ).values
model = Sequential()
model.add(LSTM(32,
return_sequences=False,
input_dim=X_train.shape[1]))
# The shape of the last Dense layer should always correspond to y_train.shape[1]
model.add(Dense(y_train.shape[1]))
model.add(Activation("linear"))
model.compile(loss="mean_squared_error",
optimizer="rmsprop")
model.fit(X_train, y_train)