Ошибка при изменении формы

Question

from random import randint
from random import seed
import math
import numpy as np
from keras.models import Sequential
from keras.layers import LSTM
from keras.layers import Dense,TimeDistributed,RepeatVector

seed(1)
def ele():
    X,y = [],[]
    for i in range(1):
        l1=[]
        for _ in range(2):
            l1.append(randint(1,10))
        X.append(l1)
        y.append(sum(l1))
    for i in range(1):
        X = str(X[0][0])+'+'+str(X[0][1])
        y = str(y[0])
    char_to_int = dict((c, i) for i, c in enumerate(alphabet))
    Xenc,yenc = [],[]
    for pattern in X:
        integer_encoded = [char_to_int[char] for char in pattern]
        Xenc.append(integer_encoded[0])
    for pattern in y:
        integer_encoded = [char_to_int[char] for char in pattern]
        yenc.append(integer_encoded[0])
    k,k1 = [],[]
    for i in range(1):
        for j in Xenc:
            vec = np.zeros(11)
            vec[j] = 1
            k.append(vec)
        for j in yenc:
            vec1 = np.zeros(11)
            vec1[j] = 1
            k1.append(vec1)
        k = np.array(k)
        k1 = np.array(k1)
    return k,k1

alphabet = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '+']

model = Sequential()
model.add(LSTM(100, input_shape=(n_in_seq_length,11)))
model.add(RepeatVector(2))
model.add(LSTM(50, return_sequences=True))
model.add(TimeDistributed(Dense(n_chars, activation='softmax')))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

for i in range(1):
    X,y = ele()
    #X = np.reshape(X, (4,1,11))
    model.fit(X, y, epochs=1, batch_size=10)

Я получил эту ошибку:

ValueError Traceback (последний последний вызов) в () 53 X, y = ele () 54 #X = np.reshape (X, (4,1,11)) ---> 55 model.fit (X, y, epochs = 1, batch_size = 10)

~ \ Anaconda3 \ lib \ site-packages \ keras \ engine \ training.py in fit (self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, ** kwargs) 948 sample_weight = sample_weight, 949 class_weight = 949 class_weight => 950 batch_size = batch_size) 951 # Подготовить данные проверки.952 do_validation = False

~ \ Anaconda3 \ lib \ site-packages \ keras \ engine \ training.py в _standardize_user_data (self, x, y, sample_weight, class_weight, check_array_lengths, batch_size) 747 feed_input_shapes, 748 check_b_sis = 748 check_bbFalse, # Не применять размер пакета.-> 749 exception_prefix = 'input') 750 751, если y не None:

~ \ Anaconda3 \ lib \ site-packages \ keras \ engine \ training_utils.py в standardize_input_data (данные, имена, формы,check_batch_axis, exception_prefix) 125 ': ожидаемый' + names [i] + 'будет иметь' + 126 str (len (shape)) + 'размеры, но получил массив' -> 127 'с shape' + str (data_shape))128, если не check_batch_axis: 129 data_shape = data_shape [1:]

ValueError: Ошибка при проверке ввода: ожидалось, что lstm_42_input будет иметь 3 измерения, но получил массив с формой (4, 11)

Answer 1

в коде - проблема с изменением формы данных. Для изменения формы cf Ошибка при проверке ввода модели: ожидалось, что lstm_1_input будет иметь 3 измерения, но получит массив с формой (339732, 29) и https://github.com/keras-team/keras/issues/5214. В массиве python число [ и ] указывает на размерность массива

TimeDistributed слою нужно как минимум два временных шага в вашем коде, который у вас есть, в приведенном ниже коде используется timestep=3, потому что 33 не делится на 2. В общем случае используется слой TimeDistributed реализовать конфигурации один ко многим и множество ко многим , ср https://github.com/keras-team/keras/issues/1029

работает следующий код, изменение формы выполняется для 1 образца (batch_size), 3 временных шага, 11 функций :

from random import randint
from random import seed
import math
import numpy as np
from keras.models import Sequential
from keras.layers import LSTM
from keras.layers import Dense,TimeDistributed,RepeatVector

seed(1)
def ele():
    X,y = [],[]
    for i in range(1):
        l1=[]
        for _ in range(2):
            l1.append(randint(1,10))
        X.append(l1)
        y.append(sum(l1))
    for i in range(1):
        X = str(X[0][0])+'+'+str(X[0][1])
        y = str(y[0])
    char_to_int = dict((c, i) for i, c in enumerate(alphabet))
    Xenc,yenc = [],[]
    for pattern in X:
        integer_encoded = [char_to_int[char] for char in pattern]
        Xenc.append(integer_encoded[0])
    for pattern in y:
        integer_encoded = [char_to_int[char] for char in pattern]
        yenc.append(integer_encoded[0])
    k,k1 = [],[]
    for i in range(1):
        for j in Xenc:
            vec = np.zeros(11)
            vec[j] = 1
            k.append(vec)
        for j in yenc:
            vec1 = np.zeros(11)
            vec1[j] = 1
            k1.append(vec1)
        k = np.array(k)
        k1 = np.array(k1)
    return k,k1




alphabet = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '+']
n_chars = 11

for i in range(1):
    X,y = ele()
    print('X not reshaped :', X)
    print('y not reshaped :', y)

    # timestep = 3, batch_size =1, input_dim = nb_features = 11
    X = np.reshape(X, (1,X.shape[0],X.shape[1]))
    y = np.reshape(y, (1,y.shape[0],y.shape[1]))
    print('X reshaped :', X)
    print('y reshaped :', y)
    print(' X.shape[0] :', X.shape[0])
    print(' X.shape[1] :', X.shape[1])
    print(' X.shape[2] :', X.shape[2])

model = Sequential()
model.add(LSTM(100, input_shape=(X.shape[1],X.shape[2])))
model.add(RepeatVector(2))
model.add(LSTM(50, return_sequences=True))
model.add(TimeDistributed(Dense(n_chars, activation='softmax')))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

model.fit(X, y, epochs=1, batch_size=10)