[英]LSTM with multiple time-series
我正在針對具有結構:450x801的數組中的多個時間序列訓練LSTM。 有450個時間序列,每個801個時間步/時間序列。 標簽是分配了1到6的整數的類,因此標簽的尺寸為450x1。 這是我的實現:
這是我的代碼:
def readData():
labels = pd.read_csv('label.csv', header = None)
labels = labels.values
data = pd.read_csv('data.csv', header = None)
return data, labels
data, labels = readData()
data_train, data_test, labels_train, labels_test = train_test_split(data, labels)
model = Sequential()
model.add(LSTM(units=32, input_shape = (450,801,1)))
model.add(Dense(6, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
但是,出現以下錯誤:
輸入0與lstm_3層不兼容:預期ndim = 3,找到的ndim = 4
知道如何解決嗎?
現在正在工作。 最終代碼:
def readData():
labels = pd.read_csv('label.csv', header = None)
labels = labels.values
labels = to_categorical(labels)
data = pd.read_csv('data.csv', header = None)
return data, labels
data, labels = readData()
data = np.expand_dims(data, axis=-1)
data_train, data_test, labels_train, labels_test = train_test_split(data, labels)
model = Sequential()
model.add(LSTM(units=32, input_shape = (801,1)))
model.add(Dense(6, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.