[英]tf.keras (RNN) Layer issues when running model.fit()
我正在構建一個 RNN 來使用 TensorFlow、Pandas 和 Keras 分析運動捕捉 (MoCap) 數據。
關於我的數據:
pandas.read_csv
,形狀為(832, 165) 我試圖一次輸入一行數據。 輸出應該是運動序列中的下一幀。 運行model.fit
時,我不斷遇到不同類型的錯誤。
我附上了一系列照片,代表了使模型工作的不同嘗試。 如果有人可以就為什么它不起作用以及如何修復提供一些指導,我將不勝感激。
作為旁注,我的代碼的每個版本都不同。 只要它最終工作,我就可以使用任何東西,所以在提供反饋時,如果你能確定你正在談論我的代碼的哪個版本?
使用tf.data.Dataset
作為輸入
使用 Pandas 數組作為輸入和目標
使用代碼 4作為故障排除的基礎,我注意到您將不兼容的形狀傳遞給圖層。
這一行model.add(keras.layers.InputLayer(input_shape = (N_TIMESTEPS, N_FEATURES)))
期望您的數據具有相同的形狀。 而你的數據有(832, 165)
這是第一指標和N_FEATURES的N_SAMPLES次,在N_TIMESTEPS丟失。
首先,您應該創建一個修改后的數據集,該數據集將生成(N_SAMPLES, N_TIMESTEPS, N_FEATURES)
的形狀。
以下是生成虛擬數據集的示例:
data = tf.random.normal((N_SAMPLES, N_TIMESTEPS, N_FEATURES))
target = tf.random.normal((N_SAMPLES, N_TIMESTEPS, N_FEATURES))
數據中的N_TIMESTEPS在 LSTM 中很重要,因為它決定了每次更新要考慮多少 TIME_STEPS。
這是用於在Google Colab 中模擬成功執行的完整代碼。
%tensorflow_version 2.x # To ensure latest Tensorflow version in Google Colab
import tensorflow as tf
import tensorflow.keras as keras
print(tf.__version__) # Tensorflow 2.2.0-rc3
BATCH_SIZE = 1
N_TIMESTEPS = 10
#Data is obtained through pandas.read_csv and has a shape of (832, 165)
#Each row denotes a whole frame of data in a movement sequence (832 frames)
#Each column denotes the rotational data for a joint (165 joints total)
# N_SAMPLES = data.values.shape[0]
# N_FEATURES = data.values.shape[1]
N_SAMPLES = 832
N_FEATURES = 165
def get_compiled_model():
model = keras.Sequential()
model.add(keras.layers.InputLayer(input_shape = (N_TIMESTEPS, N_FEATURES)))
model.add(keras.layers.LSTM(35, activation = 'relu', return_sequences = True))
model.add(keras.layers.LSTM(35, activation = 'relu', return_sequences = True))
model.add(keras.layers.Dense(165, activation = 'tanh'))
model.compile(optimizer = 'adam',
loss = 'mse',
metrics = ['accuracy'])
return model
model = get_compiled_model()
model.summary()
data = tf.random.normal((N_SAMPLES, N_TIMESTEPS, N_FEATURES))
target = tf.random.normal((N_SAMPLES, N_TIMESTEPS, N_FEATURES))
model.fit(data, target, epochs = 15, batch_size = BATCH_SIZE, shuffle = False)
希望這對你有幫助。
您可以在此鏈接中閱讀有關使用 RNN的Tensorflow Keras 指南的更多信息。
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.