weixin_41985160
weixin_41985160
采纳率50%
2018-05-05 12:44

keras input shape怎么写

10
已采纳

大家好!
我在尝试使用Keras下面的LSTM做深度学习,我的数据是这样的:X-Train:30000个数据,每个数据6个数值,所以我的X_train是(30000*6)
根据keras的说明文档,input shape应该是(samples,timesteps,input_dim)
所以我觉得我的input shape应该是:input_shape=(30000,1,6),但是运行后报错:
Input 0 is incompatible with layer lstm_6: expected ndim=3, found ndim=4

我觉得是input shape错了,改成(1,6)错误又变成了:
ValueError: Error when checking input: expected lstm_7_input to have 3 dimensions, but got array with shape (30000, 6)
改成(30000,6)错误提示一样
我该怎么设置input shape呢,多谢!

  • 点赞
  • 写回答
  • 关注问题
  • 收藏
  • 复制链接分享
  • 邀请回答

2条回答

  • ZhihengTao ZhihengTao 3年前

    老哥,首先你需要理解为什么input_shape是三维的,以及每一个维度是什么含义。

    个人粗浅理解input_shape是为了适应时间序列预测:输入m个序列,输出1个序列,所以才是三维。

    input_shape的三个维度samples, time_steps, features

    features: 是一个原始样本的特征维数, 对你的样本 6
    time_steps: 是输入时间序列的长度,即用多少个连续样本预测一个输出。如果你希望用连续m个序列(每个序列即是一个原始样本),那么就应该设为m。
    当然,特殊情况是m=1
    samples:经过格式化后的样本数。假设原始样本(3000*6), 你选择features=6, time_steps=m,则samples=3000/m

    无论你如何设置time_steps需要注意,原始样本集合是二维向量, 但网络的输入的样本集必须是三维张量(单个样本是二维向量)

    一个例子
    原始样本集 (3000, 6):
    [[1,1,1,1,1,1] * 3000]
    处理后(3000, 1, 6)
    [
    [[1,1,1,1,1,1]] * 3000
    ]

    点赞 12 评论 复制链接分享
  • caozhy 从今以后生命中的每一秒都属于我爱的人 3年前

    https://blog.csdn.net/x_ym/article/details/77728732

    expected lstm_7_input to have 3 dimensions,要求的数据是三维的啊, (30000, 6),这是二维,你要对其中某一维再reshape

    点赞 1 评论 复制链接分享

相关推荐