Keras误解了训练数据的形状

Question

我的训练数据的形式（？，15）在哪里？ 是一个可变长度。

创建模型时，我指定：

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

我的训练数据有形状（35730，？，15）。

在python中检查这个我得到：

X.shape

产出：（35730，）

X[0].shape

产出：（513,15）

当我尝试将我的模型放在我的训练数据上时，我得到了ValueError：

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

我只能通过在单个样本上使用model.train_on_batch（）来训练我的模型。

我怎么解决这个问题？ 似乎keras认为输入数据的形状是（35730,1），实际上是（35730，？，15）

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

（编辑，根据OP对这个问题的评论，他们发布了这个链接： https ： //github.com/fchollet/keras/issues/1920 ）

---

你的X不是一个numpy数组，它是一个数组数组。 （否则它的形状将是X.shape=(35730,513,15) 。

它必须是fit方法的单个numpy数组。 由于你有一个可变长度，你不能有一个包含所有数据的numpy数组，你必须将它分成较小的数组，每个数组包含相同长度的数据。

为此，您应该按形状创建字典，并手动循环字典（可能还有其他更好的方法来执行此操作...）：

#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，您将此字典循环以进行培训：

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，以便所有样本具有相同的长度，使用零或一些虚拟值。

然后，在模型中的任何内容之前，您可以添加一个将忽略这些填充段的Masking图层。 （警告：某些类型的图层不支持屏蔽）