Keras LSTM 模型中的输入形状和拟合

Question

我正在学习 LSTM 模型以使数据集适合多类分类，即八种音乐流派，但不确定 Keras 模型中的输入形状。

我已经按照这里的教程进行操作：

1. 如何重塑 LSTM 模型的输入数据
2. 使用 Keras 深度学习库的多类分类教程
3. 使用 Keras 在 Python 中使用 LSTM 循环神经网络进行序列分类

我的数据是这样的：

vector_1,vector_2,...vector_30,genre
  23.5     20.5          3      pop
   .
   .
   .
(7678)

我将数据形状转换为 (7678,1,30)，即 7678 首音乐、1 个时间步和 30 个向量。 对于音乐流派，我使用了train_labels = pd.get_dummies(df['genre'])

这是我的模型：

# build a sequential model
model = Sequential()

# keras convention to use the (1,30) from the scaled_train

model.add(LSTM(32,input_shape=(1,30),return_sequences=True))
model.add(LSTM(32,return_sequences=True))
model.add(LSTM(32))
# to avoid overfitting
model.add(Dropout(0.3))

# output layer
model.add(Dense(8,activation='softmax'))

model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'])

拟合模型

model.fit(scaled_train,train_labels,epochs=5,validation_data=(scaled_validation,valid_labels))

但是在尝试拟合模型时，我收到错误ValueError: Shapes (None, 8) and (None, 1, 8) are incompatible 。 我在代码中做错了什么吗？ 任何帮助都受到高度赞赏。

我的数据的形状

print(scaled_train.shape)
print(train_labels.shape)
print(scaled_validation.shape)
print(valid_labels.shape)
(7678, 1, 30)
(7678, 8)
(450, 30)
(450, 8)

编辑

我试过如何在 keras 中堆叠多个 lstm？ 但是，仍然得到错误ValueError: Input 0 of layer sequential_21 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: [None, 30] ValueError: Input 0 of layer sequential_21 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: [None, 30]

Answer 1

顾名思义， return_sequences=True将返回一个序列（带有时间步长），这就是为什么你的输出形状是(None, 1, 8) ：时间步长被保持。 当它穿过致密层时，它不会自动变平。 尝试：

model = Sequential()
model.add(LSTM(32,input_shape=(1,30),return_sequences=False))
model.add(Dense(32,activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(8,activation='softmax'))

我想如果您取消注释第二个 LSTM 层，这不会发生？