维度数错误：期望为3，但实际为2，形状为（119，80）。

Question

维度数错误：期望为3，但实际为2，形状为（119，80）。

10

我是Keras的新手，在处理RNN和LSTM时遇到了一些形状上的问题。

我正在运行这段代码：

model.add(SimpleRNN(init='uniform',output_dim=1,input_dim=len(pred_frame.columns)))
model.compile(loss="mse", optimizer="sgd")
model.fit(X=predictor_train, y=target_train, batch_size=len(pred_frame.index),show_accuracy=True)

变量predictor_train是一个包含119个内部数组的numpy数组，每个内部数组都有80个不同的项。

我遇到了这个错误：

TypeError: ('Bad input argument to theano function with name "/Library/Python/2.7/site-packages/keras/backend/theano_backend.py:362"  at index 0(0-based)', 'Wrong number of dimensions: expected 3, got 2 with shape (119, 80).')

目前我发现RNN接收形状为(batch_size, timesteps, dimension)的三维张量。当您设置input_shape时，通常会省略batch_size，您只需要提供一个元组(timesteps, dimension)。但是，应该在代码的哪个部分更改它（如果可能，请添加更改建议的代码）？

额外信息

关于pred_frame

类型：class 'pandas.core.frame.DataFrame'

形状：(206,80)

                  Pred      Pred         Pred  ...    
Date                                                                      
1999-01-01         NaN       NaN          NaN         
1999-02-01         NaN       NaN          NaN        
1999-03-01         NaN       NaN          NaN       
1999-04-01         NaN       NaN          NaN
...
2015-11-01  288.333333 -0.044705   589.866667
2015-12-01  276.333333 -0.032157  1175.466667    
2016-01-01  282.166667  0.043900  1458.966667     
2016-02-01  248.833333 -0.082199  5018.966667   
[206 rows x 80 columns]

关于target_train

类型：类 'pandas.core.series.Series'

形状：(119,)

数据类型：float64

Date
2004-10-01    0.003701
2005-05-01    0.001715
2005-06-01    0.002031
2005-07-01    0.002818
...
2015-05-01   -0.007597
2015-06-01   -0.007597
2015-07-01   -0.007597
2015-08-01   -0.007597

关于 predictor_train

类型：'numpy.ndarray'

形状：(119,80)

数据类型：float64

[[  0.00000000e+00  -1.00000000e+00   1.03550000e-02 ...,   8.42105263e-01
    6.50000000e+01  -3.98148148e-01]
 [ -1.13600000e-02  -1.07482052e+00  -9.25333333e-03 ...,   4.45783133e-01
    8.30000000e+01  -1.94915254e-01]
 [  4.71300000e-02  -5.14876761e+00   1.63166667e-03 ...,   4.45783133e-01
    8.50000000e+01  -1.94915254e-01]
 ..., 
 [  4.73500000e-02  -1.81092653e+00  -8.54000000e-03 ...,   1.39772727e+00
    2.77000000e+02  -3.43601896e-01]
 [ -6.46000000e-03  -1.13643083e+00   1.06100000e-02 ...,   2.22551929e-01
    2.77000000e+02  -3.43601896e-01]
 [  3.14200000e-02  -5.86377709e+00   1.50850000e-02 ...,   2.22551929e-01
    2.82000000e+02  -2.76699029e-01]]

编辑

感谢@y300，显然3D问题已经被解决。我的形状现在是（119,1,80）。

model.summary() returns the following:
--------------------------------------------------------------------------------
Initial input shape: (None, None, 119)
--------------------------------------------------------------------------------
Layer (name)                  Output Shape                  Param #             
--------------------------------------------------------------------------------
SimpleRNN (Unnamed)           (None, 1)                     121                 

Total params: 121

然而，我在model.fit这一行仍然遇到了一个形状问题，如下所示：

File "/Library/Python/2.7/site-packages/theano/tensor/blas.py", line 1612, in perform
z[0] = numpy.asarray(numpy.dot(x, y))
ValueError: ('shapes (119,80) and (119,1) not aligned: 80 (dim 1) != 119 (dim 0)', (119, 80), (119, 1))
Apply node that caused the error: Dot22(Alloc.0, <TensorType(float32, matrix)>)
Inputs types: [TensorType(float32, matrix), TensorType(float32, matrix)]
Inputs shapes: [(119, 80), (119, 1)]
Inputs strides: [(320, 4), (4, 4)]
Inputs values: ['not shown', 'not shown']

为什么会发生这种情况，我该如何修复？

- aabujamra

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- yhenon · Accepted Answer

您可以通过执行以下操作来查看您的模型外观：

model.summary()

在这种情况下，您的页面应该看起来类似于以下内容（实际值可能会有所不同）：

--------------------------------------------------------------------------------
Initial input shape: (None, None, 100)
--------------------------------------------------------------------------------
Layer (name)                  Output Shape                  Param #             
--------------------------------------------------------------------------------
SimpleRNN (simplernn)         (None, 1)                     102                 
  --------------------------------------------------------------------------------
Total params: 102
--------------------------------------------------------------------------------

如您所见，输入是一个三维张量，而不是二维的。因此，您需要重新调整数组以适应keras所期望的形状。特别地，输入X_train应该具有尺寸（num_samples，1，input_dim）。这里是一个带有一些随机生成的x/y数据的工作示例：

model.add(keras.layers.SimpleRNN(init='uniform',output_dim=1,input_dim=100))
model.compile(loss="mse", optimizer="sgd")
X_train = np.random.rand(300,1,100)
y_train = np.random.rand(300)
model.fit(X=X_train, y=y_train, batch_size=32,show_accuracy=True)