Python Keras LSTM输入尺寸设置

我试着用keras来训练LSTM模型，但我想我搞错了

我犯了一个错误

ValueError：检查输入时出错：预期lstm_17_输入具有 3维，但得到了具有形状的数组（10000,0,20）

虽然我的代码看起来像

model = Sequential()
model.add(LSTM(256, activation="relu", dropout=0.25, recurrent_dropout=0.25, input_shape=(None, 20, 64)))
model.add(Dense(1, activation="sigmoid"))
model.compile(loss='binary_crossentropy',
          optimizer='adam',
          metrics=['accuracy'])
model.fit(X_train, y_train,
      batch_size=batch_size,
      epochs=10)

其中，

X\u列车

的形状为

（10000,20）

，前几个数据点如下

array([[ 0,  0,  0, ..., 40, 40,  9],
   [ 0,  0,  0, ..., 33, 20, 51],
   [ 0,  0,  0, ..., 54, 54, 50],
...

而

y\u列

的形状为

（10000，）

，是一个二进制（0/1）标签数组

---

有人能指出我错在哪里吗？

为了完整起见，这里是发生的事情

首先，

LSTM

与Keras中的所有层一样，接受两个参数：

input\u-shape

和

batch\u-input\u-shape

。不同之处在于，按照惯例，

input\u shape

不包含批次大小，而

batch\u input\u shape

是包含批次大小的完整输入形状

因此，规范

input\u shape=（None，20，64）

告诉keras需要一个四维输入，这不是您想要的。正确的答案应该是

（20，）

但这还不是全部。LSTM层是一个循环层，因此它需要一个三维输入

（批大小、时间步长、输入尺寸）

。这就是为什么正确的规范是

input\u-shape=（20,1）

或

batch\u-input\u-shape=（10000,20,1）

。另外，您的训练数组也应该重新调整，以表示每个步骤都有

20

时间步和

1

输入功能

因此，解决方案是：

X_-train=np.扩展_-dims（X_-train，2）#使其成为（10000,20,1）
...
模型=顺序（）
添加（LSTM（…，input_shape=（20,1）））

你说的是

input\u shape=（无，20，64）

但是你的输入只有两个维度

（10000，20）

？@AndreHolzner我曾经尝试设置input\u shape=（10000，20），但运气不好。错误为ValueError：检查输入时出错：预期lstm_28_输入为3维，但得到了形状为（10000，20）的数组。请尝试设置

输入_形状=（无，20，1）

，并将输入大小调整为

（10000，20，1）

。例如，如果您的输入在numpy数组中，请使用@AndreHolzner刚刚尝试过。获得了一个训练np.array，大小为（10000,20,1）。但是，仍然存在一个错误，表示维度不匹配。然后我将输入大小更改为（20，1），现在可以工作了！亲爱的先生，我送你很多爱。