LSTM神经网络输入/输出尺寸错误

Question

我是TensorFlow和LSTM架构的新手。 我在为数据集计算输入和输出（x_train，x_test，y_train，y_test）时遇到问题。

我最初输入的形状：

• X_train：（366,4）
• X_test：（104,4）
• Y_train：（366，）
• Y_test：（104，）

Ytrain和Ytest是一系列股票价格。 Xtrain和Xtest是我要学习预测股票价格的四个功能。

# 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))

这是生成的错误：

-------------------------------------------------- ------------------------- ValueError Traceback（最近一次通话最后一次）以65 Y_train，66 epochs = 3，---> 67validation_data =（ X_test，Y_test））

c：\\ users \\ talal \\ appdata \\ local \\ programs \\ python \\ python36 \\ lib \\ site-packages \\ tensorflow \\ python \\ keras \\ engine \\ training.py in fit（self，x，y，batch_size，epochs，verbose，回调，validation_split，validation_data，shuffle，class_weight，sample_weight，initial_epoch，steps_per_epoch，validation_steps，** kwargs）1507 steps_name ='steps_per_epoch'，1508 steps = steps_per_epoch，-> 1509validation_split = validation_split）1510 1511＃准备验证数据。

C：\\ users \\ talal \\ appdata \\ local \\ programs \\ python \\ python36 \\ lib \\ site-packages \\ tensorflow \\ python \\ keras \\ engine \\ training.py in _standardize_user_data（self，x，y，sample_weight，class_weight，batch_size，check_steps ，steps_name，steps，validation_split）991 x，y = next_element 992 x，y，sample_weights = self._standardize_weights（x，y，sample_weight，-> 993 class_weight，batch_size）994 return x，y，sample_weights 995

c：\\ users \\ talal \\ appdata \\ local \\ programs \\ python \\ python36 \\ lib \\ site-packages \\ tensorflow \\ python \\ keras \\ engine \\ training.py in _standardize_weights（self，x，y，sample_weight，class_weight，batch_size）1110 feed_input_shapes，1111
check_batch_axis = False，＃不强制执行批量大小。 -> 1112 exception_prefix ='input'）1113 1114如果y不为None：

c：\\ users \\ talal \\ appdata \\ local \\ programs \\ python \\ python36 \\ lib \\ site-packages \\ tensorflow \\ python \\ keras \\ engine \\ training_utils.py in 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（shape））+'尺寸，但得到数组'-> 316'具有形状'+ str（data_shape））如果不是check_batch_axis，则为317：318 data_shape = data_shape [1：]

ValueError：检查输入时出错：预期lstm_18_input具有3个维，但数组的形状为（366，4）

Answer 1

X_train的尺寸错误。LSTM仅接受3维输入。您说的是具有4个功能。 假设366是您对一个样本的时间戳数，则您的输入应为（num_samples，366,4）个形状欢呼声：-)

Answer 2

您的代码几乎可以了。

您的y_test和y_train应该是一个具有一个元素或形状为（1,1）的数组，没关系。

但是，您的输入形状有误，第一个LSTM应该是：

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

注意None ，因为测试序列和训练序列的长度不同，所以无法指定它（并且Keras接受未指定的第一维）。 错误是由于长度分别为366和104。 如果要对keras.preprocessing.sequence.pad_sequences使用批处理，则应使用keras.preprocessing.sequence.pad_sequences进行零填充。

无需批量指定input_shape ，网络的其余部分应该没问题。

而且，如果要执行回归而不是分类（可能是这种情况），则应执行@Ankish Bansal编写的最后两个步骤，例如，将损耗更改为mean squared error ，并使最后一层的输出值为1而不是10。

Answer 3

1. LSTM期望将调光输入为（num_examples，seq_length，input_dims），因此输入中存在一个错误。

2. 您正在预测维度1的输出，您的模型输出是10。

   model.add(Dense(1, activation='linear'))

3. 另外，您正在预测价格，这就是回归问题。 但是，您正在使用分类设置。 尝试这个

   model.compile(loss='mse', optimizer='adam', metrics=['mean_squared_error'])