Tensorflow tf.keras.layers.Reshape RNN/LSTM答案

【问题标题】：Tensorflow tf.keras.layers.Reshape RNN/LSTMTensorflow tf.keras.layers.Reshape RNN/LSTM
【发布时间】：2020-12-02 17:07:50
【问题描述】：

我有一个包含多个变量的数据集，我正在尝试重塑以输入 LSTM 神经网络，但我在重塑层时遇到了困难，但没有成功。

我的数据集的形状为 (1921535, 6)，每 341 个时间步对应一个样本。我想在 (23, 341, 6) 中重塑并在模型中输入它。在我的代码下方。

def df_to_dataset(dataframe, batch_size):
   dataframe = dataframe.copy()
   labels = dataframe.pop('target')
   ds = tf.data.Dataset.from_tensor_slices((dict(dataframe), labels))
   ds = ds.batch(batch_size)
   return ds

max_length = 341
batch_size = 23

train_ds = df_to_dataset(data, batch_size * max_length)

model = tf.keras.Sequential([
   tf.keras.layers.Reshape((batch_size, max_length, 6), input_shape=(batch_size * max_length, 6)),
   tf.keras.layers.LSTM(40, return_sequences=True),
   tf.keras.layers.LSTM(40),
   tf.keras.layers.Dense(1)
   ])

当我运行代码时，我收到以下错误：

InvalidArgumentError: Input to reshape is a tensor with 54901 values, but the requested shape has 369075894 [Op:Reshape]

提前致谢

【问题讨论】：

标签： python tensorflow keras lstm recurrent-neural-network

【解决方案1】：

我无法重现您的错误：

max_length = 341
batch_size = 23

model = tf.keras.Sequential([
   tf.keras.layers.Reshape((batch_size, max_length, 6), input_shape=(batch_size * max_length, 6)),
   tf.keras.layers.LSTM(40, return_sequences=True),
   tf.keras.layers.LSTM(40),
   tf.keras.layers.Dense(1)
   ])

您的代码不正确：您的 Reshape 层的输出有 4 个维度（您的 3 个维度加上批量维度），但 LSTM 期望有 3 个维度。

【讨论】：

嗨@Andrey你是对的，但我仍然不知道如何解决我的问题，我有一个元组的输入 ((7843, 6), (7843,))我想将其重塑为 ((23, 341, 6), (23, 341, 1)) 以将其输入 LSTM 层
@FernandoSilva 请在您的问题中添加最小的可重现示例
我已经加入 Colab 关注 link 谢谢

【解决方案2】：

我已经通过 tf.reshape 使用 Lambda 层解决了这个问题，我不知道为什么，但是我不能使用 Reshape 层。

model = tf.keras.Sequential([
   tf.keras.layers.Lambda(lambda x: tf.reshape(x, (-1, max_length, 6)),
   tf.keras.layers.LSTM(40, return_sequences=True),
   tf.keras.layers.LSTM(40),
   tf.keras.layers.Dense(1)
   ])

【讨论】：