普通数据集的训练数据的keras输入维度是多少？

【问题标题】：What is the dimension of keras input for train data for ordinary dataset?普通数据集的训练数据的keras输入维度是多少？
【发布时间】：2019-10-21 04:27:01
【问题描述】：

我是 keras 的初学者。我的数据集与任何普通数据集非常相似。它有 25K 个样本，每个样本有 382 个特征。我想将每个样本视为一个序列，然后将它们提供给 LSTM。 keras train 数据集的维度是多少？我试试(25K, 382, 1)，是真的吗？

x_train = np.reshape(x_train_values, (25K, 382, 1))

在模型拟合中我也像这样对模型 input_shape 使用，是真的吗？

model.add(LSTM(379, activation="tanh", return_sequences=True, input_shape=(382, 1)))

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

您的问题似乎不仅仅是代码，所以 SO 可能不适合它。

话虽如此，我在 2015 年写了一篇关于如何在 Keras 中处理序列的综合教程。其中一些可能已经过时，但主要思想仍然相关，尤其是关于您遇到的维度问题：https://vict0rs.ch/tutorials/keras/recurrent/

特别是：

我们将输入重塑为具有维度（#examples、#values in sequence、dim. of each value）。这里每个值都是一维的，它们只是一个度量（时间 t 的功耗）。但是，如果我们要预测速度向量，例如它们可能是 3 维的。

和

model.add(LSTM(
        input_dim=layers[0],
        output_dim=layers[1],
        return_sequences=True))
model.add(Dropout(0.2))

【讨论】：