Dense 期望 2d 但在 LSTM 中得到 3d答案

【问题标题】：Dense expects 2d but has got 3d in LSTMDense 期望 2d 但在 LSTM 中得到 3d
【发布时间】：2020-01-24 02:58:24
【问题描述】：

在我的模型中

Xtrain shape : (62, 30, 100)
Ytrain shape : (62, 1, 100)
Xtest shape : (16, 30, 100)
Ytest shape : (16, 1, 100)

当我构建模型时，

model = Sequential()
model.add(LSTM(units=100, return_sequences= True, input_shape=(x_train.shape[1],X_train.shape[2])))
model.add(LSTM(units=100, return_sequences=True))
model.add(Dense(units=100))

model.fit(x_train,y_train,epochs=5,batch_size=13)

当我尝试拟合时会引发错误，

ValueError: Error when checking target: expected dense_1 to have 2 dimensions, but got array with shape (62, 1, 100)

我需要预测所有 100 个特征的下一个时间戳。需要做哪些改变？

【问题讨论】：

标签： keras neural-network lstm recurrent-neural-network lstm-stateful

【解决方案1】：

发布的代码似乎与生成错误的代码不同。

打印您的model.summary()。你会看到：

LSTM 1：（无、30、100）
LSTM 2：（无、30、100）
密集：（无、30、100）

您没有使用任何方法将时间步数减少到 1。根据此模型，您的错误消息肯定应该抱怨尝试 (None, 30, 100) 与 (62, 1, 100)。

为了消除时间步长，你需要在最后一个 LSTM 中使用return_sequences=False，所以你的模型变成：

(无, 30, 100)
（无，100）
（无，100）

这样你就可以拥有Ytrain.shape == (62,100)

如果你真的需要那个中间维度 == 1，只需在密集之后使用Lambda(lambda x: K.expand_dims(x, 1))。

【讨论】：

【解决方案2】：

如果您希望自己处理每个 LSTM 步骤的结果（在 LSTM 或其他 RNN 之后放置 Dense 层的最常见用法），您需要将其包装起来，如下所示：

model = Sequential()
model.add(LSTM(units=100, return_sequences= True, input_shape=(x_train.shape[1],X_train.shape[2])))
model.add(LSTM(units=100, return_sequences=True))
model.add(TimeDistributed(Dense(units=100)))

每个输出都将单独提供给 Dense 层（当然，这将是同一层 - 所有权重都将在它的每个“实例”之间共享）。

【讨论】：