当我给它2时,Keras LSTM需要3个维度,而当我给它3时,它需要4个维度

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了当我给它2时,Keras LSTM需要3个维度,而当我给它3时,它需要4个维度相关的知识,希望对你有一定的参考价值。

这给了我一个错误,告诉我它预期3维但得到2:

input_layer =输入(shape =(None,1000000))

lstm_1 = LSTM(500, dropout=.2, recurrent_dropout=.2)(input_layer)

这些中的任何一个都给了我一个错误,告诉我它预期有4个维度但得到3个:

input_layer = Input(shape=(None, 1000000, None))

input_layer = Input(shape=(None, None, 1000000))
答案

输入shape参数没有考虑批量大小,所以真正给shape=(None, 1000)期待(batch_size, None, 100)它变成3维。因此,您需要提供形状数据(样本,时间步长,特征),因此fit函数的3D数据输入。

以上是关于当我给它2时,Keras LSTM需要3个维度,而当我给它3时,它需要4个维度的主要内容,如果未能解决你的问题,请参考以下文章

Keras 维度 LSTM net 3 dim 预期

使用Keras与LSTM和RNN进行斗争

ValueError:检查输入时出错:预期 lstm_1_input 具有 3 个维度,但得到的数组具有形状 (393613, 50)

Keras 嵌入层 - ValueError:检查输入时出错:预期有 2 个维度,但得到了 (39978, 20, 20)

Keras LSTM 输入 - 预测抛物线轨迹

使用 Keras LSTM 进行多步提前时间序列预测的多个输出