如何在 Keras-Python 中输入二维数组？答案

【问题标题】：How to input a 2D array in Keras-Python?如何在 Keras-Python 中输入二维数组？
【发布时间】：2019-04-05 14:20:25
【问题描述】：

我对机器学习和 keras 非常陌生，一直在尝试输入数据；我的数据看起来像：

[[[0.01363717 0.        ]
  [0.01577874 0.        ]
  [0.01463021 0.        ]]

 [[0.01577874 0.        ]
  [0.01463021 0.        ]
  [0.01006721 0.        ]]

 [[0.01463021 0.        ]
  [0.01006721 0.        ]
  [0.00762504 0.        ]]...]

数据的形状是：(1607, 3, 2)。我怎样才能通过：

 [[0.01363717 0.        ]
  [0.01577874 0.        ]
  [0.01463021 0.        ]]

作为 512 个 CuDNNLSTM 单元层的输入？

这是我的整个网络：

def create_model():
    model = Sequential()

    model.add(CuDNNLSTM(512, input_shape=(3,2), return_sequences=True, name='inputlstm1'))
    model.add(Dropout(0.2))

    model.add(CuDNNLSTM(512, return_sequences=True,name='lstm2'))
    model.add(Dropout(0.2))

    model.add(CuDNNLSTM(512, return_sequences=True,name='lstm3'))
    model.add(Dropout(0.2))

    model.add(Dense(32, activation='relu', name='dense1'))
    model.add(Dropout(0.2))

    model.add(Dense(1, activation='softmax', name='denseoutput2'))


    # Compile model
    model.compile(
        loss='mse',
        optimizer='adam',
        metrics=['accuracy'],
    )
    return model

及其合适的：

model=create_model()
history=model.fit(xtrain, ytrain,batch_size=1, epochs=5, validation_data=(xtest, ytest), verbose=1)

【问题讨论】：

标签： python numpy machine-learning keras numpy-ndarray

【解决方案1】：

keras层的构建包括指定传递数组的形状，这里要训练的数组形状是(3,2)，有1607个样本，

input_shape = (3,2)
X = LSTM(124, activation = 'sigmoid', name='layer1', dropout = 0.4) (temp)

如果你想使用stacked LSTM，你可以使用这个

input_shape = (3,2)
    X = LSTM(124, activation = 'sigmoid', name='layer1', dropout = 0.4,return_sequences=True) (temp)
    X = LSTM(64, activation = 'sigmoid', name='layer2', dropout = 0.4) (X)

编辑

def create_model():
    model = keras.models.Sequential()

    model.add(keras.layers.CuDNNLSTM(512, input_shape=(3,2), return_sequences=True, name='inputlstm1'))
    model.add(keras.layers.Dropout(0.2))

    model.add(keras.layers.CuDNNLSTM(512, return_sequences=True,name='lstm2'))
    model.add(keras.layers.Dropout(0.2))

    # The last layer of Stacked LSTM need not to return the input sequences
    model.add(keras.layers.CuDNNLSTM(512,name='lstm3'))
    model.add(keras.layers.Dropout(0.2))

    model.add(keras.layers.Dense(32, activation='relu', name='dense1'))
    model.add(keras.layers.Dropout(0.2))

    model.add(keras.layers.Dense(1, activation='softmax', name='denseoutput2'))


    # Compile model
    model.compile(
        loss='mse',
        optimizer='adam',
        metrics=['accuracy'],
    )
    return model

【讨论】：

我的模型使用 3 个 LSTM 层（每个 512 个神经元）和 2 个密集层（32 和 1）。我在输出时收到此错误：ValueError: Error when checking target: expected output to have 3 dimensions, but got array with shape (1607, 1)
好像只有第一层的错误，要么是输入的测试数据，要么是样本的数量，你需要传递数组的形状，请发布网络有清楚的理解
我更新了帖子 - 我的模型在那里。感谢您的帮助:)
@MPatel 我刚刚修改了你的网络，检查更新
非常感谢！！

【解决方案2】：

您可以设置batch_size = 1，Keras 会处理它。只需将整个数组放入模型输入即可。

【讨论】：