LSTM 输出 Dense 需要 2d 输入

Question

我有 (size,2) 形状的特征和 (size,1) 形状的标签，即对于特征中的 [x,y]，标签将为 z。我想在 keras 中构建一个可以完成此类工作的 LSTM，因为该功能以某种方式与先前的输入相关联，即 1 或多个（我相信它是一个超参数）。

样本数据集值是：-

features     labels

[1,2]         [5]

[3,4]         [84]

这是我到目前为止所做的：-

print(labels.shape)     #prints (1414,2)
print(features.shape)   #prints(1414,1)
look_back=2

# reshape input to be [samples, time steps, features]
features = np.reshape(features, (features.shape[0], 1, features.shape[1]))
labels = np.reshape(labels, (labels.shape[0], 1, 1))

X_train, X_test, y_train, y_test = train_test_split(features,labels,test_size=0.2)

model = Sequential()
model.add(LSTM(4, input_shape=(1, look_back)))   #executing correctly
model.add(Dense(1))    #error here is "ValueError: Error when checking target: expected dense_1 to have 2 dimensions, but got array with shape (1131, 1, 1)"
model.summary()
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(X_train, y_train, epochs=100, batch_size=1, verbose=2)

那么任何人都可以帮我构建一个最小的 LSTM 示例来运行我的代码吗？谢谢你。我不知道密集层怎么会有二维我的意思是它是一个整数，告诉在密集层中使用多少个单位。

Answer 1

您不得重塑标签。

试试这个：

features = np.reshape(features, (features.shape[0], 1, features.shape[1]))

model = Sequential()
model.add(LSTM(4, input_shape=(1, features.shape[1])))  
model.add(Dense(1))    
model.summary()
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(X_train, y_train, epochs=100, batch_size=1, verbose=2)