Ошибка при проверке цели: ожидалось, что плотность_3 имеет 3 измерения, но получен массив с формой (3283, 1) - PullRequest
Новая
       16

Ошибка при проверке цели: ожидалось, что плотность_3 имеет 3 измерения, но получен массив с формой (3283, 1)

0 голосов
/ 01 апреля 2019

У меня есть X_train = [(4096, 18464), (4097, 43045), (4098, 38948), (4099, 2095), (4100, 59432), (4101, 55338), (4102, 51245), (4103, 26658), (4104, 30755), ....] с формой (3283, 2) и

y_train = [19189, 19189, 19189, ..., 1155085434105692417, 1155120620365152513,...] с формой (3283, 1)

Я изменил X_train, используя код: 

X_train = np.reshape(X_train, (X_train.shape[0], 1, X_train.shape[1]))
X_test = np.reshape(X_test, (X_test.shape[0], 1, X_test.shape[1]))

и получил форму (3283, 1, 2)

теперь я строю модель lstm: 

data_dim= 2
timesteps=1
num_classes=2

model_pass = Sequential()
model_pass.add(LSTM(units=64,  return_sequences=True, 
                input_shape=(timesteps, data_dim)))
model_pass.add(Dense(2, activation='sigmoid'))
model_pass.compile(loss='binary_crossentropy', optimizer='adam',metrics=['accuracy'])
model_pass.summary()
model_pass.fit(X_train, y_train,batch_size=1, epochs = 1, verbose = 1)

Но это дает мне ошибку: ValueError: Ошибка при проверке цели: ожидалось, что плотность_3 имеет 3 измерения, но получен массив с формой (3283, 1)

Кто-нибудь может мне сказать, что мне делать?

1 Ответ

0 голосов
/ 01 апреля 2019

После плотного слоя выходная форма равна (number of samples, timesteps, 2). Число 2 от Dense(2,...). Но y_train_pass, вероятно, имеет форму (number of samples, 1). Это дает ошибку.

Вот пример возможных кодов, где я изменил Dense(2,...) на Dense(1,...) и изменил форму y_train 

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

X_train = np.random.randn(3283,2)
X_test = np.random.randn(1000,2)
y_train = np.random.randint(2, size=(3283,1))
print(y_train.shape)
X_train = np.reshape(X_train, (X_train.shape[0], 1, X_train.shape[1]))
X_test = np.reshape(X_test, (X_test.shape[0], 1, X_test.shape[1]))
y_train = np.reshape(y_train, (y_train.shape[0],1, y_train.shape[1]))

data_dim= 2
timesteps=1
num_classes=2

model_pass = Sequential()
model_pass.add(LSTM(units=64,  return_sequences=True, 
                input_shape=(timesteps, data_dim)))
model_pass.add(Dense(1, activation='sigmoid'))
model_pass.compile(loss='binary_crossentropy', optimizer='adam',metrics=['accuracy'])
model_pass.summary()
model_pass.fit(X_train, y_train,batch_size=1, epochs = 1, verbose = 1)

Кстати, просто комментарий. Странно, что ваши значения y_train не имеют «двоичных» значений, и вы используете loss='binary_crossentropy'.

...