Keras LSTM 错误：来自层重塑的输入与层 lstm 不兼容

【问题标题】：Keras LSTM error: Input from layer reshape is incompatible with layer lstmKeras LSTM 错误：来自层重塑的输入与层 lstm 不兼容
【发布时间】：2018-04-14 16:42:55
【问题描述】：

使用 RapidMiner 我想实现一个 LSTM 来对时间序列中的模式进行分类。输入数据是一个平面表。我在 Keras 算子中的第一层是从 exampleset_length x nr_of_attributes 到 batch x time-steps x features 的核心重塑。在重塑参数中，我特别输入了三个数字，因为我想要特定数量的特征和时间步长。实现这一点的唯一方法是同时指定批量大小，因此总共三个数字。但是当我添加一个 RNN LSTM 层时，会返回一个错误：输入与层 lstm 不兼容，预期 ndim=n 发现 ndim=n+1。怎么了？

【问题讨论】：

标签： keras rapidminer

【解决方案1】：

为 LSTM 层指定“input_shape”时，不包括批量大小。

所以你的“input_shape”值应该是（timesteps, input_dim）。

Source: Keras RNN Layer, the parent layer for LSTM

【讨论】：

您的回答符合 Keras 文档。然而，RapidMiner 中的 Reshape 算子包含一个验证。如果 Reshape 的 input_shape 和 output 的大小不同，则会显示以下错误：“Python 脚本执行失败。ValueError：新数组的总大小必须保持不变。”要消除此错误，唯一的选择是将 N x M 重塑为 M x N。这将导致时间步长与初始示例集中的示例数量相等。这不是我想要的。