在时间序列数据的情况下输入 LSTM答案

【问题标题】：Input for LSTM in case of time series data在时间序列数据的情况下输入 LSTM
【发布时间】：2018-07-10 15:08:23
【问题描述】：

我有一个大小为 (1152,151) 的（非文本）数据集。我希望将其分成 8 批，每批包含 144 个样本，用于在 Keras 中训练 LSTM 网络。我将发送到 LSTM 的数据重新整形为 (8,144,151)。这是正确的输入形状吗？因为当我将其作为输入发送并且该层和下一个 LSTM 层的 return_sequences=False 时，我收到了一个错误：

预期 n_dim=3，得到 n_dim=2。

X_train = X_train.reshape((8,144,151))
def deepmodel():
  model = Sequential()
  model.add(LSTM(8,input_shape=(144,151),return_sequences=False))
  model.add(LSTM(8,return_sequences=False))
  model.add(Dense(8))
  model.add(Activation('softmax'))
  adam=Adam()
  model.compile(loss = 'categorical_crossentropy', optimizer = adam)
return model

【问题讨论】：

这是什么数据？如果它是一个相关的样本，那么分批拆分是没有意义的。你从哪一层得到错误？是第一个 LSTM 层还是其他层？
哪一行给出了错误？

标签： python-3.x tensorflow keras deep-learning lstm

【解决方案1】：

您将在model.fit(...., batch_size=8) 中设置批量大小。看下面的例子，它应该清除你的错误信息。如果您正在寻找多个时间延迟，请务必查看这个精彩的 blog post。

X_train = X_train.reshape((X_train.shape[0], 1, X_train.shape[1]))
def deepmodel():
  model = Sequential()
  model.add(LSTM(8,input_shape=(train_X.shape[1], train_X.shape[2]), return_sequences=False))
  model.add(LSTM(8,return_sequences=False))
  model.add(Dense(8))
  model.add(Activation('softmax'))
  adam=Adam()
  model.compile(loss = 'categorical_crossentropy', optimizer = adam)
return model

【讨论】：