检查输入时出错：预期 lstm_input 有 3 个维度，但得到的数组形状为 (4, 1)

Question

首先，我知道有很多类似的问题；我已经尝试按照答案的建议去做，但似乎我不知道如何解决它。我有一个Keras Functional API model：

lstm_input = keras.layers.Input(shape=(1,4), name='lstm_input')
x = keras.layers.LSTM(50, name='lstm_0')(lstm_input)
x = keras.layers.Dropout(0.2, name='lstm_dropout_0')(x)
x = keras.layers.Dense(64, name='dense_0')(x)
x = keras.layers.Activation('sigmoid', name='sigmoid_0')(x)
x = keras.layers.Dense(1, name='dense_1')(x)
output = keras.layers.Activation('linear', name='linear_output')(x)
model = keras.Model(inputs=lstm_input, outputs=output)

adam = keras.optimizers.Adam(lr=0.0005)
model.compile(optimizer=adam, loss='mse')

当我尝试安装它时，它会跳出这个错误：

ValueError: Error when checking input: expected lstm_input to have 3 dimensions, but got array with shape (4, 1)

这是我给fit的电话：

model.fit(X_aux['X_i'], X[i+1, 0])
# X_aux['X_i'].shape = (4, ) -- it's a numpy array

我试过np.reshape([X_aux['X_i1']], (4,1))，它的新形状是(4, 1)，但它不起作用。我该如何解决这个问题？

Answer 1

确保 X_aux['X-i'] 的 input_shape 是 3 维的。

任何基于 RNN 的层的输入必须是 3 维的，其中每个轴分别对应于 batch_size、time_step 和 feature dimension。

整形为(4, 1) 无济于事的原因是整形后的张量仍然是二维的。你需要 3 个。

确保正确定义 batch_size、time_step 和 feature dimension 并重塑 X_aux['X-i'] 并再次重新训练模型。