Keras 中的 LSTM 输入维度问题答案

【问题标题】：Issue in LSTM Input Dimensions in KerasKeras 中的 LSTM 输入维度问题
【发布时间】：2018-01-03 09:54:41
【问题描述】：

我正在尝试使用 keras 实现多输入 LSTM 模型。代码如下：

data_1 -> shape (1150,50) 
data_2 -> shape (1150,50)
y_train -> shape (1150,50)

input_1 = Input(shape=data_1.shape)
LSTM_1 = LSTM(100)(input_1)

input_2 = Input(shape=data_2.shape)
LSTM_2 = LSTM(100)(input_2)

concat = Concatenate(axis=-1)
x = concat([LSTM_1, LSTM_2])
dense_layer = Dense(1, activation='sigmoid')(x)
model = keras.models.Model(inputs=[input_1, input_2], outputs=[dense_layer])

model.compile(loss='binary_crossentropy',
                      optimizer='adam',
                      metrics=['acc'])

model.fit([data_1, data_2], y_train, epochs=10)

当我运行这段代码时，我得到一个 ValueError：

ValueError: 检查模型输入时出错：预期 input_1 有 3 个维度，但得到的数组形状为 (1150, 50)

有没有人可以解决这个问题？

【问题讨论】：

标签： machine-learning neural-network keras lstm keras-layer

【解决方案1】：

在定义模型之前使用data1 = np.expand_dims(data1, axis=2)。 LSTM 需要维度为 (batch_size, timesteps, features) 的输入，因此，在您的情况下，我猜您有 1 个特征、50 个时间步长和 1150 个样本，您需要在向量的末尾添加一个维度。

这需要在定义模型之前完成，否则当您设置 input_1 = Input(shape=data_1.shape) 时，您告诉 keras 您的输入有 1150 个时间步长和 50 个特征，因此它将期望输入形状为 (None, 1150, 50)（非代表“任何维度都可以接受”）。

input_2 也是如此

希望对你有帮助

【讨论】：

感谢您的回复。但这给出了另一个错误：Error when checking model input: expected input_2 to have shape (None, 1150, 50) but got array with shape (1150, 50, 1)
正如我在答案中所说，您需要在初始化输入之前执行data2 = np.expand_dims(data2, axis=2)，否则您会收到这种错误
好的。问题出在轴上。 data_1 = np.expand_dims(data_1, axis=0) 为我工作。