Ошибка при проверке ввода: ожидалось, что lstm_input будет иметь 3 измерения, но получен массив с формой (4, 1)
Во-первых, я знаю, что есть множество подобных вопросов; Я пытался сделать то, что предлагают ответы, но, похоже, я не знаю, как это решить. У меня есть Keras Functional API model:
lstm_input = keras.layers.Input(shape=(1,4), name='lstm_input')
x = keras.layers.LSTM(50, name='lstm_0')(lstm_input)
x = keras.layers.Dropout(0.2, name='lstm_dropout_0')(x)
x = keras.layers.Dense(64, name='dense_0')(x)
x = keras.layers.Activation('sigmoid', name='sigmoid_0')(x)
x = keras.layers.Dense(1, name='dense_1')(x)
output = keras.layers.Activation('linear', name='linear_output')(x)
model = keras.Model(inputs=lstm_input, outputs=output)
adam = keras.optimizers.Adam(lr=0.0005)
model.compile(optimizer=adam, loss='mse')
И когда я пытаюсь установить его, он выскакивает эту ошибку:
ValueError: Error when checking input: expected lstm_input to have 3 dimensions, but got array with shape (4, 1)
Это мой призыв к fit:
model.fit(X_aux['X_i'], X[i+1, 0])
# X_aux['X_i'].shape = (4, ) -- it's a numpy array
Я пробовал np.reshape([X_aux['X_i1']], (4,1)), где его новая форма (4, 1), но это не работает. Как я могу это решить?
Ответы 1
Убедитесь, что ваша input_shape X_aux['X-i'] является трехмерной.
Вход любого слоя на основе RNN должен быть трехмерным, где каждая ось соответствует batch_size, time_step и feature dimension соответственно.
Причина, по которой изменение формы на (4, 1) не поможет, заключается в том, что измененный тензор по-прежнему является двумерным. Вам нужно 3.
Убедитесь, что вы правильно определили batch_size, time_step и feature dimension, изменили форму X_aux['X-i'] и заново обучили модель.
Отвечает ли это на ваш вопрос? Ошибка при проверке ввода модели: ожидалось, что lstm_1_input будет иметь 3 измерения, но получил массив с формой (339732, 29)