LSTM 中的 input_shape答案

【问题标题】：input_shape in LSTMLSTM 中的 input_shape
【发布时间】：2020-01-22 06:11:27
【问题描述】：

我有以下代码sn-p：

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


    model = Sequential()
    model.add(LSTM(200, activation='relu', input_shape=(X_train.shape[0], 1, X_train.shape[2]), return_sequences=False))
    model.compile(optimizer='adam', loss='mean_squared_error')
    model.fit(X_train, y_train, epochs=100, batch_size=32)
    y_pred = model.predict(X_test)

但是，我收到以下错误：

ValueError: Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=4

X_train 和 X_test 的原始形状：

X_train: 1483, 13
X_test: 360, 13

在重塑之后它们变成：

X_train: 1483, 1, 13
X_test: 360, 1, 13

我知道这可能是重复的，但网上的答案似乎都不适合我。

【问题讨论】：

标签： keras neural-network time-series lstm

【解决方案1】：

input_shape=(X_train.shape[0], 1, X_train.shape[2]) 是错误的。

LSTM 应具有 2D 输入形状（这意味着 3D 内部张量）。
l - 输入形状必须包含(sequence_length, features_per_step)。
- 这意味着内部形状将是(free_batch_size, sequence_length, features_per_step)

那么您的数据必须是 3D 的，可以，但 input_shape 应该是 2D。
现在，sequence_length 对于循环层的工作是绝对必要的，如果你有sequence_length = 1，它就完全没用了，除非你要使用stateful=True，它涉及到更复杂的代码。

【讨论】：