卡在输入/输出形状中，在Keras，LSTM中

Question

我正在尝试使用lstm训练能源需求的时间序列。 我使用了时间戳并获得了结果，但是对于本实验，我试图将日期时间划分为天，月，年，小时。 所以分割数据后，我的csv文件看起来像这样

timestamp     | day | month | year | hour | demand
01-07-15 1:00 |  1  |   7   | 2015 |   1  | 431607

我正在将keras用于LSTM（这是我的新手）。 到目前为止，我已经编写了以下代码。

from pandas import read_csv
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error

dataframe = read_csv('patched_data_sorted.csv', engine='python')
dataset = dataframe.values
trainX = dataset[:, 1:5]
sampleSize = len(trainX)
trainX = trainX.reshape(1, len(trainX), 4)
trainY = dataset[:, 5]
trainY = trainY.reshape(1, len(trainY))
print(trainY)

# print(trainX)

model = Sequential()
model.add(LSTM(4, input_shape=(sampleSize, 4)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)
trainPredict = model.predict(trainX)
print(trainPredict)

但是我收到这个错误

ValueError: Error when checking target: expected dense_1 to have shape (None, 1) but got array with shape (1, 20544)

我不确定为什么会这样，但是我认为我的造型没有正确。

Answer 1

在数据中，序列的每个时间步都有标签。 您当前的网络设置为整个序列只有一个标签。

要获得每个时间步的输出，您需要在LSTM中添加return_sequences=True并将Dense层包装在TimeDistributed层中，以便将其应用于每个时间步。

model = Sequential()
model.add(LSTM(4, input_shape=(sampleSize, 4), return_sequences=True))
model.add(TimeDistributed(Dense(1)))