Keras：随着时间的推移分类答案

【问题标题】：Keras : Classification over timeKeras：随着时间的推移分类
【发布时间】：2017-06-08 15:53:37
【问题描述】：

我尝试对我的系统在一段时间内的状态进行分类。

我有 100 个训练样本，包含超过 1218 个时间步长 33 个输入参数。

所以我有 X_train.shape = [100, 1218, 33]。

我使用深度学习库 Keras 来预测输出 Y = 0 或 1。

model = Sequential()
model.add(LSTM(4, input_shape=(1218 , 33), return_sequences=True))
model.add(TimeDistributed(Dense(1, activation = 'softmax')))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

很遗憾，我遇到了以下我不知道如何解决的错误：

ValueError: 检查目标时出错：预期 time_distributed_3 有 3 个维度，但得到的数组形状为 (100, 1)

有人知道如何解决这个问题吗？

问候。

【问题讨论】：

你有每个时间步的目标值还是整个序列只有一个目标？

标签： keras shape lstm

【解决方案1】：

您提供的模型要求序列的每个时间步都有一个目标。如果整个序列只有一个目标（并且错误消息中的目标形状暗示了这一点），则需要通过以下方式修改模型：将return_sequences 设置为false 并删除TimeDistributed包装：

model = Sequential()
model.add(LSTM(4, input_shape=(1218 , 33), return_sequences=False))
model.add(Dense(1, activation = 'softmax'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

【讨论】：

感谢您的回答。我想我很累，因为我没有注意到错误是关于目标而不是关于输入的。我明天试试。