sequential_2 層的輸入 0 與該層不兼容：預期 ndim=3，發現 ndim=2。 收到完整形狀：（無，1）

Question

model = Sequential()
model.add(LSTM(100, input_shape = [X_sequence.shape[1], X_sequence.shape[2]]))
model.add(Dropout(0.5))
model.add(Dense(1, activation="sigmoid"))
model.compile(loss="binary_crossentropy"
          , metrics=[binary_accuracy]
          , optimizer="adam")
model.summary()

training_size = int(len(X_sequence) * 0.7)
X_train, y_train = X_sequence[:training_size], y[:training_size]
X_test, y_test = X_sequence[training_size:], y[training_size:]
model.fit(X_train, y_train, batch_size=64, epochs=10)
y_test_pred = model.predict(X_test)
def create_dataset(dataset, time_step=1):
 dataX = []
 for i in range(len(dataset)-time_step-1):
    a = dataset[i:(i+time_step), 0]
    dataX.append(a)
 return np.array(dataX)
x_final=create_dataset(test.loc[:, "sensor_00":"sensor_12"].values)
y_final=model.predict(x_final)

最后一行有錯誤。 我已經成功地訓練了數據，但同時預測了測試數據。 有錯誤。

Answer 1

我已經使用此處的數據集來重現該問題。

請擴大x_final的維度解決錯誤如下

    x_final=create_dataset(test.loc[:, "sensor_00":"sensor_12"].values)
    
    #Expand dimensions    
    x_final=tf.expand_dims(x_final,axis=1)
    y_final=model.predict(x_final)

讓我們知道問題是否仍然存在。 謝謝！