如何將numpy數組列表放入LSTM神經網絡？

Question

我是Keras的新手，非常感謝您的幫助。 對於我的項目，我正在嘗試在多個時間序列上訓練神經網絡。 我通過運行for循環使其適合模型的每個時間序列來使其工作。 代碼如下：

for i in range(len(train)):
    history = model.fit(train_X[i], train_Y[i], epochs=20, batch_size=6, verbose=0, shuffle=True)

如果我沒看錯，我正在這里進行在線培訓。 現在，我正在嘗試進行批量培訓，以查看結果是否更好。 我試圖擬合一個包含所有時間序列的列表（每個時間序列都轉換為numpy數組），但是出現此錯誤：

Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 56 arrays:

以下是有關數據集和模型的信息：

model = Sequential()
model.add(LSTM(1, input_shape=(1,16),return_sequences=True))
model.add(Flatten())
model.add(Dense(1, activation='tanh'))
model.compile(loss='mae', optimizer='adam', metrics=['accuracy'])
model.summary()

---

Layer (type)                 Output Shape              Param #   
=================================================================
lstm_2 (LSTM)                (None, 1, 1)              72        
_________________________________________________________________
flatten_2 (Flatten)          (None, 1)                 0         
_________________________________________________________________
dense_2 (Dense)              (None, 1)                 2         
=================================================================
Total params: 74
Trainable params: 74
Non-trainable params: 0

print(len(train_X), train_X[0].shape, len(train_Y), train_Y[0].shape)

56 (1, 23, 16) 56 (1, 23, 1)

這是給我錯誤的代碼塊：

pyplot.figure(figsize=(16, 25))
history = model.fit(train_X, train_Y, epochs=1, verbose=1, shuffle=False, batch_size = len(train_X))

Answer 1

LSTM的輸入形狀應為batch_size ， timesteps ， features 。但是，如果您希望可以使用batch_input_shape則不必在輸入形狀中提及batch_size 。

model = Sequential()
model.add(LSTM(1, input_shape=(23,16),return_sequences=True))
# model.add(Flatten())
model.add(Dense(1, activation='tanh'))
model.compile(loss='mae', optimizer='adam', metrics=['accuracy'])
model.summary()


X = np.random.random((56,1, 23, 16)) 
y = np.random.random((56,1, 23, 1))
X=np.squeeze(X,axis =1) #as input shape should be (`batch_size`, `timesteps`, `features`)
y = np.squeeze(y,axis =1)
model.fit(X,y,epochs=1, verbose=1, shuffle=False, batch_size = len(X))

我不確定它是否符合您的目的。