我正在尝试使用Keras实现LSTM以解决多类问题 . 我输入了尺寸为1007x5的csv . 每个实例的功能数量为5个,共有12个类别 . 下面是代码
seed = 7
numpy.random.seed(seed)
input_file = 'input.csv'
def load_data(test_split = 0.2):
print ('Loading data...')
dataframe = pandas.read_csv(input_file, header=None)
dataset = dataframe.values
X = dataset[:,0:5].astype(float)
print(X)
Y = dataset[:,5]
print("y=", Y)
return X,Y
def create_model(X):
print ('Creating model...')
model = Sequential()
model.add(LSTM(128, input_shape =(5,)))
model.add(Dense(12, activation='sigmoid'))
print ('Compiling...')
model.compile(loss='categorical_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
return model
X,Y,dummy_y= load_data()
print("input Lnegth X=",len(X[0]))
model = create_model(X)
print ('Fitting model...')
hist = model.fit(X, Y, batch_size=5, nb_epoch=10, validation_split = 0.1, verbose = 1)
score, acc = model.evaluate(dummy_x,dummy_y)
print('Test score:', score)
print('Test accuracy:', acc)
在这里的不同论坛和帖子中出现此错误后,我尝试了不同的输入形状,但仍然无法正常工作 . 当我给出输入数据形状时,我得到以下错误:1 . 当我将input_shape作为X.shape [1:]时) - 错误是“输入0是不兼容的层lstm_1:预期ndim = 3,找到ndim = 2”
-
当我给出input_shape = X.shape [1:])时,错误是“值错误:检查输入时:预期lstm_1_input有3个维度,但得到的数组有形状(1007,5)”
-
除了形状,如果ndim设置为5,则表示“输入0是不兼容的层lstm_1:预期ndim = 3,找到ndim = 2”
什么应该输入到第一层lstm?我对第1层的维度应该是(128,1007,5),对吧?
1 回答
LSTM需要三维输入 . 您的输入形状应采用(样本,时间步长,功能)的形式 . 由于keras推断第一个维度是样本,因此您应该输入(时间步长,特征)作为输入形状 .
由于你的csv的维度是1007 * 5,我认为最好的做法是将你的输入重塑为(1007,5,1),这样你的LSTM就可以获得3D输入 .
所以在load_data里面:
在create_model里面: