在 Keras 中为 LSTM 重塑批次

Question

通过使用 LSTM 自动编码器，我在根据 LSTM 需求调整数据集时遇到了一些问题。 由于我正在批量训练，因此我生成了一个时间序列窗口循环 - 代码如下所示：

X_batch = np.array(file.loc[window * WINDOWS_SIZE:(window + 1) * WINDOWS_SIZE - 1], dtype="f")
print(X_batch.shape)
X_batch = np.reshape(1, WINDOWS_SIZE, cluster_feature_size)
print(X_batch.shape)
history = model.fit(X_batch, X_batch, epochs=1, verbose=False)

我的批次由 48 个数据点（WINDOWS_SIZE）和 45 个指标（cluster_feature_size 变量）组成。

我读到我需要以以下格式重塑我的数据(samples, timesteps, features)，但我在某处失败并且缺少一些信息。

我的假设是 1 个样本是 1 个批次，在一个批次中我有 48 个数据点，因此我设置了 48 个时间步长。

我目前构建的模型架构草稿如下：

model = Sequential()
model.add(LSTM(100, activation='relu', input_shape=(WINDOWS_SIZE, cluster_feature_size)))
model.add(RepeatVector(WINDOWS_SIZE))
model.add(Dense(1))
model.add(LSTM(100, activation='relu', return_sequences=True))
model.add(TimeDistributed(Dense(1)))

我遵循了一个在线教程，我仍在努力。

我得到的错误是这个，而我正在重塑：

(48, 45)
---> 17 X_batch = np.reshape(1, WINDOWS_SIZE, cluster_feature_size)
ValueError: cannot reshape array of size 1 into shape (48,)

Answer 1

这里不需要重塑：

import numpy as np
X = np.random.rand(48, 45)
X = np.array([X])
print(X.shape)

给我：

>>> (1, 48, 45)

由于我不了解更多上下文，因此无法为您提供更多帮助，但这应该可以解决重塑问题。