TFLearn LSTM 时间序列分类

Posted 2023-03-13

【中文标题】TFLearn LSTM 时间序列分类

【英文标题】：TFLearn LSTM Time Series Classification

【发布时间】：2018-05-25 16:29:51

【问题描述】：

我正在尝试构建一个 LSTM 网络，该网络采用一个序列并对每个序列中的最后一个时间步进行分类。

这是我目前所拥有的：

#build
net = tf.input_data(shape=[None, 64, 17])
net = tf.lstm(net, 128, dropout=[.2,.8], return_seq=True)
net = tf.lstm(net, 128, dropout=[.2,.8], return_seq=True)
net = tf.lstm(net, 128, dropout=[.2,.8])
net = tf.fully_connected(net, 3, activation='softmax')
net = tf.regression(net, optimizer='adam', learning_rate=0.01, loss='categorical_crossentropy')

#train
model = tf.DNN(net, tensorboard_verbose=0)
model.fit(trainX, trainY, validation_set=(testX,testY), show_metric=True, batch_size=None)

我的数据已经形成了大量的序列，每个序列有 64 个时间步长。每个时间步有 17 个特征。第一个序列是时间步 0 到 63，第二个是时间步 1 到 64，依此类推。

网络构建得很好，但是在 fit 方法中我得到了这个错误：

'ValueError: 无法为张量提供形状 (64,17) 的值 'InputData/X:0'，形状为 (?,64,17)

有人对我的问题有建议吗？

【参考方案1】：

它不在您的 sn-p 中，但看起来 trainX 的形状为 (64, 17)。如果是这样，您应该将其重塑为一批尺寸 1：

trainX = np.expand_dims(trainX, 0)  # now it's [1, 64, 17]

testX 也一样。