LSTM神经网络输入/输出尺寸误差

Question

我对TensorFlow和LSTM架构相当陌生。我在计算数据集的输入和输出（x_train、x_test、y_trainy_test）时遇到了问题。

我最初输入的形状：

• X_列车：（366,4）

Ytrain和Ytest是一系列股票价格。Xtrain和Xtest是我想学习的四个预测股价的功能。

# Splitting the training and testing data

train_start_date = '2010-01-08'
train_end_date = '2017-01-06'
test_start_date = '2017-01-13'
test_end_date = '2019-01-04'

train = df.ix[train_start_date : train_end_date]
test = df.ix[test_start_date:test_end_date]


X_test = sentimentScorer(test)
X_train = sentimentScorer(train)

Y_test = test['prices'] 
Y_train = train['prices']

#Conversion in 3D array for LSTM INPUT

X_test = X_test.reshape(1, 104, 4)
X_train = X_train.reshape(1, 366, 4)





model = Sequential()

model.add(LSTM(128, input_shape=(366,4), activation='relu', 
return_sequences=True))
model.add(Dropout(0.2))

model.add(LSTM(128, activation='relu'))
model.add(Dropout(0.1))

model.add(Dense(32, activation='relu'))
model.add(Dropout(0.2))

model.add(Dense(10, activation='softmax'))

opt = tf.keras.optimizers.Adam(lr=0.001, decay=1e-6)

# Compile model
model.compile(
    loss='sparse_categorical_crossentropy',
    optimizer=opt,
    metrics=['accuracy'],
)

model.fit(X_train,
          Y_train,
          epochs=3,
          validation_data=(X_test, Y_test))

这是产生的错误：

---------------------------------------------------------------------------ValueError回溯（最近一次呼叫最后一次）在65辆Y_列车中，66个时代=3---

c:\users\talal\appdata\local\programs\python\36\lib\site packages\tensorflow\python\keras\engine\training.py in fit（self、x、y、批大小、历元、冗余、回调、验证分割、验证数据、洗牌、类权重、样本权重、初始历元、每个历元的步骤、验证步骤、**kwargs）1507个步骤，1508步=每个历元的步数-

C：\用户\talal\appdata\本地\程序\python\python36\lib\site-包\tensorflow\python\keras\引擎\training.py_standardize_user_data（自我，x，y，sample_weight，class_weight，batch_size，check_steps，steps_name，步骤，validation_split）991 x，y=next_element992 x，y，sample_weights=自我。_standardize_weights（x， y，sample_weight，--

c:\users\talal\appdata\local\programs\python36\lib\site packages\tensorflow\python\keras\engine\training.py in\u-standard\u-weights（self、x、y、sample\u-weight、class\u-weight、batch\u-size）1110进给输入形状，1111
检查批处理轴=False，不强制执行批处理大小-

C：\用户\talal\appdata\本地\程序\python\python36\lib\site-包\tensorflow\python\keras\引擎\training_utils.py在standardize_input_data（数据，名称，形状，check_batch_axis，exception_prefix）314：预期的名称[i]具有315 str（len（形状））'尺寸，但有数组'-

ValueError：检查输入时出错：预期lstm_18_输入有3个维度，但得到了具有形状的数组（366，4）

Answer 1

>

LSTM希望DIM的输入为（num_示例、seq_长度、input_dims），因此输入中有一个错误。

您正在预测维度1的输出，模型输出为10。试试这个。

model.add（密集（1，activation='linear'））

另外，你在预测价格，这是回归问题。但是，您正在使用分类设置。试试这个

model.compile（loss='mse'，optimizer='adam'，metrics=['mean\u squared\u error']）

Answer 2

X_train的尺寸错误。LSTM仅接受三维输入。您的意思是您有4个功能。假设366是一个样本的时间戳数，那么您的输入应该是（num_samples，366,4）shape cheers:-）

Answer 3

你的代码几乎是好的。

您的y_测试和y_序列应该是一个具有一个元素或形状（1,1）的数组，这无关紧要。

您输入的形状是错误的，第一个LSTM应该是：

model.add(LSTM(128, input_shape=(None,4), activation='relu', return_sequences=True))

请注意None，由于测试序列和训练序列长度不同，您不能指定它（并且Keras接受未指定的第一维度）。错误是由于长度分别为366和104。如果您想使用带有RNN的批处理，您应该使用keras.preprocessing.sequence.pad\u sequences执行零填充。

无需指定批处理的input\u shape，网络的其余部分应该可以。

如果您正在执行回归，而不是分类（可能是这种情况），那么您应该执行@Ankish Bansal编写的最后两个步骤，例如，将损失更改为均方误差，并使最后一层输出1而不是10。