LSTM Keras中的维度不匹配问题

Question

我希望创建一个基本的RNN，可以将两个字节相加。以下是输入和输出样例，对于简单的加法，期望得到这些结果：

X = [[0, 0], [0, 1], [1, 1], [0, 1], [1, 0], [1, 0], [1, 1], [1, 0]]

也就是说，X1 = 00101111 而 X2 = 01110010。

Y = [1, 0, 1, 0, 0, 0, 0, 1]

我创建了以下顺序模型

model = Sequential()
model.add(GRU(output_dim = 16, input_length = 2, input_dim = 8))
model.add(Activation('relu'`))
model.add(Dense(2, activation='softmax'))
model.compile(loss = 'binary_crossentropy', optimizer = 'adam', metrics = ['accuracy'])
model.summary()

我收到的错误信息大致如下：

预期lstm_input_1应该有3个维度，但得到的数组形状为(8L, 2L)

所以如果我通过将X更改为以下内容来增加维度

[[[0 0]] [[1 1]] [[1 1]] [[1 0]] [[0 0]] [[1 0]] [[0 1]] [[1 0]]]

然后错误变成了

预期lstm_input_1的形状为(None, 8, 2)，但实际得到的数组形状为(8L, 1L, 2L)

- Yesh

Answer 1

在Keras中，顺序模型希望输入的形状为(batch_size, sequence_length, input_dimension)。我怀疑您需要更改输入数组的最后两个维度。请记住，批处理维度没有明确定义。

- Simon Kamronn

Answer 2

将X变为[[[0, 0], [0, 1], [1, 1], [0, 1], [1, 0], [1, 0], [1, 1], [1, 0]]]，使其形状为(1, 8, 2)

- sytrus

Answer 3

Keras要求输入三维数据，如错误所述。它是样本、时间步长和特征。由于您有（8L, 2L），Keras将其视为二维——[样本，特征]。为了解决问题，请执行以下操作：

def reshape_dataset(train):
    trainX = numpy.reshape(train, (train.shape[0], 1, train.shape[1]))
    return numpy.array(trainX)

x = reshape_dataset(your_dataset)

现在X应该是8L,1,2L，即[样本数，时间步长，特征数] - 三维

- Byte_me