数值错误：检查输入时出错：期望lstm_1_input具有3个维度，但得到的数组形状为（10，1）。

Question

我在处理LSTM的输入形状方面遇到了困难。 这里我制作了一个简单的LSTM网络，应该可以训练，将输入值加倍。

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np

X = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
y = np.array([2, 4, 6, 8, 10, 12, 14, 16, 18, 20])

data_dim = 1
timesteps = 8

model = Sequential()
model.add(LSTM(32, return_sequences=True, input_shape=(timesteps, data_dim)))
model.add(LSTM(32, return_sequences=True))
model.add(Dense(10, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

model.fit(X,y, batch_size=10, epochs=1000)

但总是出现这个错误信息： ValueError：检查输入时出错：预期lstm_1_input有3个维度，但得到的数组形状为（10，1） 我做错了什么？有人能解释一下input_shape吗？ 顺祝商祺。尼克拉斯

- Niklas

---

请使用适当的标题... - luk32

我把它改成了一个合适的标题。 - Niklas

Answer 1

你的代码存在多个问题：

1）你想要一个回归问题。在最后一层，softmax函数将数值压缩到0到1之间。你需要使用线性激活函数。

2）因此，损失函数应该是mean_square_error。

3）目标变量y的形状表明，在每个时间步上输出层的大小应为1而不是10。

4）LSTM层的输入和输出数组的形状应为（batch_size，time_step，dim）。

5）LSTM层中定义的时间步长和输入数据的时间步长应该相同。

我在你的代码中进行了这些更改：

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np

X = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
y = np.array([2, 4, 6, 8, 10, 12, 14, 16, 18, 20])

X = X.reshape(1,10,1)
y = y.reshape(1,10,1)

data_dim = 1
timesteps = 10

model = Sequential()
model.add(LSTM(32, return_sequences=True, input_shape=(timesteps, data_dim)))
model.add(LSTM(32, return_sequences=True))
model.add(Dense(1, activation='linear'))

print(model.summary())

model.compile(loss='mean_squared_error', optimizer='rmsprop', metrics=['accuracy'])

model.fit(X,y, batch_size=1, epochs=1000)

- Fariborz Ghavamian

---

非常感谢 :) 现在我明白了！ 我的代码只是我的问题的一个例子，因为我的主要代码太丑了。 - Niklas