Keras误解了训练数据的形状

Question

我的训练数据的格式为（？，15）其中？是可变长度。

创建模型时，请指定以下内容：

inp = Input(shape=(None,15))
conv = Conv1D(32,3,padding='same',activation='relu')(inp)
...

我的训练数据的形状为（35730，？，15）。

在python中检查这个我得到：

X.shape

输出：（35730，）

X[0].shape

输出：（513，15）

当我尝试根据训练数据拟合模型时，出现ValueError：

Error when checking input: expected input_1 to have 3 dimensions, but got array with shape (35730, 1)

我只能在单个样本上使用model.train_on_batch（）来训练模型。

我该如何解决？似乎keras认为我的输入数据的形状实际上是（35730，？，15）是（35730，1）

这是keras中的错误还是我做错了什么？

如果重要的话，我正在使用tensorflow后端。这是keras 2

Answer 1

（根据OP对这个问题的评论进行了编辑，他们在此发布了此链接：https
:
//github.com/fchollet/keras/issues/1920）

您X不是单个numpy数组，而是一个数组数组。（否则其形状为X.shape=(35730,513,15)。

该方法必须是单个numpy数组fit。由于长度是可变的，因此不能有一个包含所有数据的numpy数组，因此必须将其划分为较小的数组，每个数组包含的数据长度相同。

为此，您可能应该按形状创建字典，然后手动循环字典（可能还有其他更好的方法…）：

#code in python 3.5
xByShapes = {}
yByShapes = {}
for itemX,itemY in zip(X,Y):
    if itemX.shape in xByShapes:
        xByShapes[itemX.shape].append(itemX)
        yByShapes[itemX.shape].append(itemY)
    else:
        xByShapes[itemX.shape] = [itemX] #initially a list, because we're going to append items
        yByShapes[itemX.shape] = [itemY]

最后，您循环这本词典进行培训：

for shape in xByShapes:
    model.fit(
              np.asarray(xByShapes[shape]), 
              np.asarray(yByShapes[shape]),...
              )

掩蔽

或者，您可以填充数据，以便所有样本都使用零或一些虚拟值来具有相同的长度。

然后，在模型中的任何内容之前，您可以添加Masking将忽略这些填充段的图层。（警告：某些类型的图层不支持遮罩）