Вход 0 несовместим со слоем lstm_12: ожидаемый ndim = 3, найденный ndim = 2 - PullRequest
Новая
       28

Вход 0 несовместим со слоем lstm_12: ожидаемый ndim = 3, найденный ndim = 2

0 голосов
/ 28 февраля 2020

Я новичок в ML и пытаюсь создать модель RNN LSTM.

Я хочу оптимизировать гиперпараметр с помощью GridSearchCV. То, что я хочу оптимизировать, - это количество слоев и узлов для каждого количества выбранных слоев.

Вот код для генерации модели: 

from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import GridSearchCV
def create_model(layers,activation):
    model = Sequential()
    for i,node in enumerate(layers):
        if i == 0:
            model.add(LSTM(units=node, input_shape=(x_train.shape[1],1)))
            model.add(Activation(activation))
            model.add(Dropout(0.2))            
        else:
            model.add(LSTM(units=node, input_shape=(x_train.shape[1],1)))
            model.add(Activation(activation))
            model.add(Dropout(0.2)) 
    model.add(Dense(units=1)) 
    model.compile(optimizer='adam',loss='mean_squared_error',metrics=['accuracy'])
    return model

, а вот переменные 

layers=[[40,40],[30,30],[30,30,30],[30,30,30,30],[30,30,30,30,30]]
activations =['sigmoid','relu']
batch_size = [32,50]
epochs = [50]

затем я обертываю его с помощью gridsearchcv 

param_grid = dict(layers=layers,activation=activations,batch_size=batch_size,epochs=epochs)
grid = GridSearchCV(estimator=model,param_grid=param_grid)

Когда я это делаю 

grid_result = grid.fit(x_train,y_train,verbose=3)

Я получил эту ошибку 

ValueError: Input 0 is incompatible with layer lstm_14: expected ndim=3, found ndim=2

I не знаю, что происходит. Моя форма x_train (13871, 60, 1) и форма y_train (13871,). Заранее спасибо, и ваша помощь будет очень признательна!

Спасибо!

Фил

1 Ответ

0 голосов
/ 28 февраля 2020

Сообщение об ошибке фактически объясняет это хорошо. LSTM требует ввода временных рядов формы (batch_size, временные шаги, функции). Похоже, у вас это правильно для первого входного слоя lstm. Однако вывод LSTM не является последовательностью. Последовательные слои LSTM не будут получать соответствующий ввод.

Вы также можете сделать вывод LSTM также в виде последовательности, установив параметр 

return_sequences=True

Обратите внимание, что вам может потребоваться установить в возвращаемой последовательности значение false в последний слой перед плотной или выполнить ровную операцию.

Помогает ли это?

PS: ваше if... else состояние точно такое же. Это то, что вы планируете изменить позже?

...