ValueError：输入 0 与层 lstm_1 不兼容：预期 ndim=3，发现 ndim=2 [keras]

Posted 2023-02-16

【中文标题】ValueError：输入 0 与层 lstm_1 不兼容：预期 ndim=3，发现 ndim=2 [keras]

【英文标题】：ValueError: Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=2 [keras]

【发布时间】：2019-03-13 21:00:36

【问题描述】：

我收到了错误：ValueError: Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=2，代码如下：

def make_model():
  model = Sequential()      

  model.add(Conv2D(20,(5,5), input_shape = (24,48,30), activation = "relu", strides = 1, padding = "valid"))
  model.add(MaxPooling2D(pool_size=(2,2)))        
  model.add(Conv2D(50, (5,5), use_bias = 50))    
  model.add(MaxPooling2D(pool_size=(2,2)))    
  model.add(Flatten())
  model.add(Dense(20, activation = "relu"))
  model.add(LSTM(50, activation="relu", return_sequences=True))

  return model

我的输入是 30 个大小为 24*48 的矩阵。

【问题讨论】：

尝试使用input_shape=(24, 48)

不，那行不通。给出错误ValueError: Input 0 is incompatible with layer conv2d_1: expected ndim=4, found ndim=3

George 是对的，您不应该指定模型中的数据数量。如果问题仍然存在，请参阅：machinelearningmastery.com/…

检查您在 model.fit() 调用中作为 x_train 和 x_validation 给出的内容，它们的大小应该是 (30,24,48) 而不是 (24,48,30) 。 input_shape = (24,48,30) 应该是 input_shape = (24,48)

@yaminigoel：X_train的形状是什么？

【参考方案1】：

问题在于，在最后一个 Dense 层之后（在 lstm 层之前），输出形状是 (?, 20) 并且 lstm 层需要 3D 张量，而不是 2D。所以，您可以在为了在喂给 lstm 层之前再添加一个。

您可以使用 tf.expand_dims 扩展维度（假设您使用 tensorflow 作为后端）tf expand

input_layer = Input((30,24,48))

model = Conv2D(20,(5,5), input_shape = (30,24,48), activation = "relu", strides = 1, padding = "valid")(input_layer)
model = MaxPooling2D(pool_size=(2,2))(model)        
model = Conv2D(50, (5,5), use_bias = 50)(model)    
model = MaxPooling2D(pool_size=(2,2))(model)  
model = Flatten()(model)
model = Dense(20, activation = "relu")(model)
model = tf.expand_dims(model, axis=-1)
model = LSTM(50, activation="relu", return_sequences=True)(model)

（我没有使用顺序模式，我使用functional api，因为它更灵活）

如果你想使用顺序模型：

    model = Sequential()      

    model.add(Conv2D(20,(5,5), input_shape = (30, 24, 48), activation = "relu", strides = 1, padding = "valid"))
    model.add(MaxPooling2D(pool_size=(2,2)))        
    model.add(Conv2D(50, (5,5), use_bias = 50))    
    model.add(MaxPooling2D(pool_size=(2,2)))    
    model.add(Flatten())
    model.add(Dense(20, activation = "relu"))
    model.add(Lambda(lambda x: tf.expand_dims(model.output, axis=-1)))
    model.add(LSTM(50, activation="relu", return_sequences=True))

你必须在Lambda中使用扩展暗淡

【讨论】：

如果我使用功能 API，它可以正常工作，但在顺序模式下，它会给我以下错误 TypeError: Failed to convert object of type <class 'keras.engine.sequential.Sequential'> to Tensor. Contents: <keras.engine.sequential.Sequential object at 0x7f44e3530668>. Consider casting elements to a supported type. for model = tf.expand_dims(model, axis=-1)。我需要使用顺序模式，你能帮我吗？

嗨@George！你的回答解决了我的问题。我在其他层面有点困惑，我相信你可以回答我。我有“n”个大小相等的向量，我如何将它们组合起来以将它们提供给 RNN。我的意思是向量是二维的，我有 n 个这样的二维向量，我需要将它们发送到 RNN，你能告诉我如何实现这一点吗？我也不希望将它们连接起来，我需要将特定大小的“n”个向量放入 RNN 层。