LSTM模型中出错: ValueError:找不到可以处理输入的数据适配器
LSTM模型中出错: ValueError: 找不到可以处理输入的数据适配器。
这个错误通常是由于数据的格式不符合LSTM模型的要求导致的。LSTM（Long Short-Term Memory）是一种常用的循环神经网络（RNN）模型，用于处理序列数据，如时间序列或自然语言处理任务。
要解决这个错误，需要检查以下几个方面：
- 数据格式：LSTM模型通常要求输入数据的格式为三维数组，即（样本数，时间步长，特征数）。请确保你的输入数据符合这个格式要求。
- 数据类型：LSTM模型通常要求输入数据的类型为浮点数。请确保你的输入数据类型正确，可以通过调用
astype()方法将数据类型转换为浮点数。 - 数据归一化：LSTM模型对输入数据的范围敏感，通常需要对数据进行归一化处理。你可以使用一些常见的归一化方法，如将数据缩放到0到1之间或使用标准化方法。
- 数据适配器：LSTM模型需要使用适配器来将输入数据转换为模型所需的格式。常见的数据适配器包括
Sequence适配器和TimeseriesGenerator适配器。你需要根据你的数据类型和格式选择适当的数据适配器，并将数据转换为适配器所需的格式。
以下是一些可能导致该错误的常见原因和解决方法：
- 如果你的输入数据是一个二维数组（样本数，特征数），你可以使用
Sequence适配器将其转换为三维数组。例如：
from tensorflow.keras.preprocessing.sequence import TimeseriesGenerator
# 假设你的输入数据为X和y
# X的形状为(样本数, 特征数)
# y的形状为(样本数,)
# 将X和y转换为TimeseriesGenerator适配器所需的格式
generator = TimeseriesGenerator(X, y, length=time_steps, batch_size=batch_size)- 如果你的输入数据是一个三维数组（样本数，时间步长，特征数），你可以使用
TimeseriesGenerator适配器将其转换为适合LSTM模型的格式。例如：
from tensorflow.keras.preprocessing.sequence import TimeseriesGenerator
# 假设你的输入数据为X和y
# X的形状为(样本数, 时间步长, 特征数)
# y的形状为(样本数,)
# 将X和y转换为TimeseriesGenerator适配器所需的格式
generator = TimeseriesGenerator(X, y, length=time_steps, batch_size=batch_size)请注意，上述代码中的time_steps和batch_size是需要根据你的数据和模型设置合适的值。
总结：当在LSTM模型中出现"ValueError: 找不到可以处理输入的数据适配器"错误时，你需要检查数据的格式、类型、归一化以及使用适当的数据适配器来转换数据。这样可以确保输入数据符合LSTM模型的要求，并解决该错误。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI开放平台：https://cloud.tencent.com/product/ai
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务（BCS）：https://cloud.tencent.com/product/bcs
相关·内容
1回答
在Keras中实现LSTM
、、、、
我非常感谢您在Keras中创建LSTM模型的帮助。我的输入是一个二维numpy数组，其中的行是长度相等的数值时间序列。我编写了以下几行代码来创建一个LSTM模型，该模型在没有嵌入层的原始数据上运行： lstm_clf = Sequential()
lstm_clf.add(LSTM(100, input_shape=(X_train[0], X_train[1]))
lstm_clf.add(Dense(7, activation='softmax'))
lstm_clf.compile(loss='sparse_categorical_crossentropy
浏览 18提问于2019-02-10得票数 1
2回答
我有一个包含多个输出的Keras模型。该模型的定义如下：
outputs=[]
main_input = Input(shape= (seq_length,feature_cnt), name='main_input')
lstm = LSTM(32,return_sequences=True)(main_input)
for _ in range((output_branches)): #output_branches is the number of output branches of the model
prediction = LSTM(8,return_s
浏览 0提问于2019-07-26得票数 2
1回答
Keras输入尺寸设置
、、、、
我试着用keras训练一个LSTM模型，但我想我在这里出了点问题。
我有个错误
ValueError:检查输入时出错:期望lstm_17_input具有三维，但得到形状为(10000、0、20)的数组
虽然我的代码看起来像
model = Sequential()
model.add(LSTM(256, activation="relu", dropout=0.25, recurrent_dropout=0.25, input_shape=(None, 20, 64)))
model.add(Dense(1, activation="sigmoid"))
浏览 0提问于2018-01-07得票数 19
回答已采纳
在将嵌入层的输出传递给LSTM层时，我遇到了一个我无法识别的ValueError。我的模型是： def lstm_mod(self, n_cells,batch_size):
input = tf.keras.Input((self.n_seq, self.n_features))
embedding = tf.keras.layers.Embedding(batch_size,self.n_seq,input_length=self.n_clusters)(input)
x= tf.keras.layers.LSTM(n_cells)(emb
浏览 17提问于2021-04-23得票数 1
4回答
我试图使用lstm模型来预测天气(主要是了解lstm和使用python)。
我有一个500,000行的数据集，每一行代表一个日期，其中有8列是我的特性。
下面是我的模型。
model = Sequential()
model.add(LSTM(50, input_shape=(30, 8), return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(100, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(50, r
浏览 5提问于2020-05-17得票数 3
回答已采纳
我正在训练一个模型来预测股票价格，并且输入的数据是接近价格。我用45天的数据来预测第46天的收盘价格，第二个特征是经济指标，下面是模型：
model = Sequential()
model.add( LSTM( 512, input_shape=(45, 2), return_sequences=True))
model.add( LSTM( 512, return_sequences=True))
model.add( (Dense(1)))
model.compile(loss='mse', optimizer='adam')
history = mode
浏览 0提问于2018-08-09得票数 14
回答已采纳
我在使用tensorflow 2.3开发一个NN模型时遇到了问题，该模型一旦包含BiLSTM层就会出现。我尝试过一个自定义模型，但这是Keras文档页面中的一个，而且它也失败了。
它不可能是输入形状的问题，因为这发生在编译时，而且输入数据还没有提供给模型。
在另一台机器上试了一下，它在相同版本的tensorflow上运行得很好。
我使用的代码是：
from tensorflow import keras
from tensorflow.keras import layers
max_features = 20000 # Only consider the top 20k w
浏览 2提问于2021-06-08得票数 1
回答已采纳
我有一个输入数组的形状(1000,20，4)和输出(标签)的形状(1000,25,1)。但是，不知道如何使用Keras库来为此建立顺序模型！
有人能帮我设计一个简单的LSTM吗？(我试图以几种方式使用RepeatVector()和TimeDistributed(Dense())，但我得到了如下错误：
model = Sequential()
model.add(LSTM(units = un , input_shape = (20, 4), return_sequences = False))
model.add(RepeatVector(25))
model.add(LSTM(un ,
浏览 0提问于2019-03-04得票数 1
回答已采纳
这是我的密码：
from keras.layers import LSTM, Bidirectional, Dense, Input, Flatten
from keras.models import Model
input = Input(shape=(None, 100))
lstm_out = Bidirectional(LSTM(10, return_sequences=True))(input)
something = Flatten()(lstm_out)
output = Dense(22, activation='sof
浏览 0提问于2018-10-28得票数 2
回答已采纳
2回答
我试着在keras中拟合一个LSTM模型，其中我有两个输入
y是带形状的输出(100,10) x是带有形状的输入(100,20)
library(keras)
x_train_vec <- matrix(rnorm(2000), ncol = 20, nrow = 100)
x_train_arr <- array(data = x_train_vec, dim = c(nrow(x_train_vec), 1, 20))
y_train_vec <- matrix(rnorm(1000), ncol = 10, nrow = 100)
y_train_arr <
浏览 0提问于2018-08-07得票数 0
回答已采纳
我有一个x_test数据： x_test.shape
Out[11]: (13096, 30)
x_test.size
Out[16]: 392880 当我启动预测时，它返回一个错误： ValueError:检查输入时出错:要求lstm_1_input具有3维，但得到形状为(13096，30)的数组 我的代码非常简单，我正在尝试运行预测函数： test_df= pd.read_csv("Path_data")
model = load_model.("path_model")
Xnew = np.array(test_df)
# make a predic
浏览 25提问于2020-06-24得票数 0
1回答
我有一个数据的形状：(753,8,1)这是为数据构建的LSTM模型：
model = Sequential()
model.add(LSTM(32,input_shape=(8,1)))
model.add(Dropout(0.25))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='mean_squared_error' , optimizer='adam' , metrics=['accuracy'] )
但是在数据上训练它：epochs_hist =
浏览 0提问于2020-05-07得票数 0
我在Keras中有一个错误，我找不到解决方案。我已经搜索了整个互联网，我仍然没有回答^^这是我的代码。
model = Sequential()
model.add(LSTM(32, return_sequences=True, input_shape=X.values.shape))
model.add(LSTM(32, return_sequences=True))
model.add(LSTM(32))
model.add(Dense(10, activation="softmax"))
model.compile(loss="categorical_crosse
浏览 0提问于2018-02-23得票数 1
回答已采纳
我的输入只是一个包含339732行和两列的csv文件：
第一个是29个特征值，即X。
第二个是二进制标号值，即Y。
我试图在一个堆叠的LSTM模型上训练我的数据：
data_dim = 29
timesteps = 8
num_classes = 2
model = Sequential()
model.add(LSTM(30, return_sequences=True,
input_shape=(timesteps, data_dim))) # returns a sequence of vectors of dimension 30
mo
浏览 0提问于2017-06-22得票数 36
回答已采纳
我的网络由LSTM和密集部件组成，由另一个密集部分连接在一起的，I不能连接(1，8)，(None，32)的输入。Reshape和Flatten不起作用。
这里是架构：
def build_model_equal(dropout_rate=0.25):
curve_input_1 = Input(batch_shape=(1, None, 1), name='curve_input_1')
lstm_1 = LSTM(256, return_sequences=True, dropout=0.1)(curve_input_1)
lstm_1 = LSTM
浏览 0提问于2018-11-22得票数 1
回答已采纳
我试图用LSTM对255长填充序列进行文本分类。
我的分类数据如下
1, 'sequence 1'
第一列是序列的类标签。由于我使用自定义的word嵌入(100个dims)，我创建了一个自定义数据生成器并使用了适合_生成器 api。
我的数据经过预处理后转换成以下格式
X -> (batch_size，time_steps=255,100) # 100暗字嵌入Y -> (batch_size，2) #2用于二进制类标签
下面是我尝试使用自定义生成器的方法
def data_generator(file):
while True:
with o
浏览 0提问于2019-10-16得票数 1
1回答
我正在创建一个多输入模型，其中我连接一个CNN模型和一个LSTM模型。lstm模型包含最后5个事件，CNN包含最后一个事件的图片。两者都被组织起来，使得numpy中的每个元素k与5个事件和相应的图片相匹配，输出标签也是如此，输出标签是应该由模型预测的“下一个”事件。
chanDim = -1
inputs = Input(shape=inputShape)
x = inputs
x = Dense(128)(x)
x = Activation("relu")(x)
x = BatchNormalization(axis=chanDim)(x)
x = Dropout(0.3)(
浏览 2提问于2020-05-01得票数 0
回答已采纳
1回答
尝试用(5，xxx)数据流f.e训练LSTM模型。
(5, 17516)
array([[ 3820., 2873., 2369., ..., 18865., 16893., 14242.],
[ 4656., 3820., 2873., ..., 19967., 18865., 16893.],
[ 6210., 4656., 3820., ..., 20223., 19967., 18865.],
[ 8127., 6210., 4656., ..., 20319., 20223., 19967.],
[10844., 8127., 6210.,
浏览 2提问于2018-10-27得票数 0
1回答
我尝试从我的LSTM模型中预测一个结果
我的模型有n_features = 32和time_step = 100，代码如下
model = tf.keras.Sequential([
tf.keras.layers.InputLayer( input_shape=(time_step , n_features)),
tf.keras.layers.LSTM(64),
tf.keras.layers.Dense(1)]
)
我使用生成器训练我的模型
generator = TimeseriesGenerator(x_feature,y_target,length=time_st
浏览 0提问于2020-03-21得票数 0
当我试图拟合模型时，我遇到了一个问题，这里是我的构建模型以及我的训练和测试数据的形状：
import keras
def buildModel(dataLength, labelLength):
price=Input(shape=(dataLength, 51),name='price')
# price = Input(shape = (dataLength,1),name='price')
sentiment = Input(shape=(dataLength, 51),name='sentiment')
浏览 2提问于2019-07-09得票数 0
1回答
我一直在尝试在我的数据上重用的想法。但是，我遇到了这个错误：
"ValueError:检查输入时出错:要求lstm_16_input具有3维，但得到形状为(8，4)的数组“
我想要运行的是：
def main():
#X, Y = load_data()
X, Y = load_file()
print("------")
print(X)
print(X.shape)
print(type(X))
print("------")
print(Y)
print(Y.shape
浏览 0提问于2019-10-22得票数 0
我收到了多个不同的ValueErrors，当我试图通过改变许多参数来解决后续问题时。
这是一个time series problem，我有数据从60家商店，215件，1034天。我把973天的火车和61天的测试分开了。
train_x = train_x.reshape((60, 973, 215))
test_x = test_x.reshape((60, 61, 215))
train_y = train_y.reshape((60, 973, 215))
test_y = test_y.reshape((60, 61, 215))
我的模型
model = Sequential()
mo
浏览 0提问于2019-01-17得票数 1
回答已采纳
我有X_train和Y_train的[2160,24,3]尺寸。但是当我尝试这样一个简单的LSTM时：
model = Sequential()
model.add(LSTM(24 , return_sequences = True))
model.add(Dropout(dp))
它给了我以下错误信息：
ValueError:在检查目标时出错:期望dropout_192具有形状(24，24)，但得到与形状(24，3)相同的数组
当我试图像这样修改我的代码时：
model = Sequential()
model.add(LSTM(24 , return_sequences = False)
浏览 0提问于2019-07-06得票数 1
回答已采纳
1回答
我正在尝试使用keras实现一个多输入的LSTM模型。守则如下：
data_1 -> shape (1150,50)
data_2 -> shape (1150,50)
y_train -> shape (1150,50)
input_1 = Input(shape=data_1.shape)
LSTM_1 = LSTM(100)(input_1)
input_2 = Input(shape=data_2.shape)
LSTM_2 = LSTM(100)(input_2)
concat = Concatenate(axis=-1)
x = concat([LSTM_
浏览 1提问于2017-07-27得票数 2
回答已采纳
由于我从结构化文件夹加载数据(图像)，所以我使用了flow_from_directory类的ImageDataGenerator函数，该函数由Keras提供。在将这些数据输入到CNN模型时，我没有任何问题。但是当涉及到LSTM模型时，会得到以下错误：ValueError: Error when checking input: expected lstm_1_input to have 3 dimensions, but got array with shape (64, 28, 28, 1)。如何减少输入数据的维数，同时通过ImageDataGenerator对象读取输入数据，使其能够使用LS
浏览 3提问于2020-05-21得票数 1
回答已采纳
我正在使用TensorFlow中的lstm模型进行一个预测项目。然而，该实现的结构取得了很好的效果，测试集的精度仅为0.5。因此，我已经搜索了是否存在一些技巧来训练一个基于lstm的模型.然后我得到了“加退”。
但是，按照其他人的教程，会发生一些错误。
这是最初的版本，它起了作用：
def lstmModel(x, weights, biases):
x = tf.unstack(x, time_step, 1)
lstm_cell = tf.nn.rnn_cell.LSTMCell(n_hidden, state_is_tuple=True, forget_bias=1)
浏览 2提问于2017-07-24得票数 0
X_train数据维数为87482，3。
但是我在运行下面的代码时出错了。错误是：
ValueError:在检查输入时出错:期望lstm_6_input具有形状(87482，1)，但得到形状为(87482，3)的数组
我的代码是：
model = Sequential()
#model.add(Embedding(top_words, embedding_vecor_length, input_length=max_review_length))
model.add(LSTM(units=3, input_shape=(X_train_rnn.shape[1],1),return_sequ
浏览 4提问于2019-11-20得票数 1
keras.layers.LSTM(150, activation='sigmoid',return_sequences=True,input_shape=(X_train.shape)),
keras.layers.Dropout(0.2),
上面是第一层(5793993，7，1)，这是输入的形状。
ValueError:在检查输入时出错:期望lstm_12_input具有形状(5793993，7)，但得到与形状(7，1)相同的数组
什么是修复这个tensorflow错误
浏览 2提问于2020-03-16得票数 0
1回答
我正在尝试构建一个LSTM模型，在中处理文档示例。
from keras.models import Sequential
from keras.layers import LSTM
以下三行代码(加上注释)直接取自上面的文档链接：
model = Sequential()
model.add(LSTM(32, input_dim=64, input_length=10))
# for subsequent layers, not need to specify the input size:
model.add(LSTM(16))
ValueError:输入0与lstm_2层不兼容:预期
浏览 2提问于2017-02-19得票数 4
回答已采纳
这只是一种不同的方式来设置相同的东西，还是它们实际上有不同的含义？它与网络配置有关吗？
在一个简单的例子中，我无法观察到以下几个方面的区别：
model = Sequential()
model.add(LSTM(1, batch_input_shape=(None,5,1), return_sequences=True))
model.add(LSTM(1, return_sequences=False))
和
model = Sequential()
model.add(LSTM(1, input_shape=(5,1), return_sequences=True))
model.add
浏览 0提问于2018-03-20得票数 10
回答已采纳
摘要
在模型已经正确生成之后，我很难为我的输入数据向预测提供适当的维度。
我收到以下错误：
ValueError: Error when checking : expected lstm_13_input to have shape (None, 40, 39) but got array with shape (1, 39, 39)
背景
使用Anaconda作为我的虚拟环境
Keras版本2.0.6
TensorFlow版本1.1.0
我正在创建一个非常接近于的示例。
代码
下面是相关的代码片段：
from keras.models import Sequential
浏览 0提问于2017-07-29得票数 1
1回答
Keras中LSTM层的4D输入
、、、、
我有一个(10000, 20, 15, 4)形状的数据，其中num samples = 10000，num series in time = 20，height = 15，weight = 4。所以我有一个表15x4，它是随时间分布的。下面是我想对这些数据进行培训的模型：
...
model.add((LSTM(nums-1,return_sequences=True,input_shape=(20,15,4), activation='relu')))
model.add((LSTM(nums-1,return_sequences=False,input_shape=(20,
浏览 0提问于2018-10-22得票数 8
回答已采纳
2回答
如何求出输入向量的平均值
、、、
我想找出输入向量的平均值。我试着使用tf.math.reduce_mean，但是它出错了。
如果我必须使用keras.layers.Average，我必须列出隐藏的状态。
有人知道怎么解决这个问题吗？
使用tf.math.reduce_mean
# Input
inputs = Input(shape=(max_length,), name="Input")
# Embedding
embed = Embedding(input_dim=n_words+1,
output_dim=embedding_size,
浏览 0提问于2020-05-11得票数 0
回答已采纳
model.fit产生异常：
ValueError:检查输入时出错:期望lstm_1_input具有三维，但得到了形状为(60752，29)的数组
这是模型结构：
train_x, valid_x = arr[:split, :], arr[split:, :]
train_y, valid_y = target[:split], target[split:]
train_x = train_x.reshape(train_x.shape[0], -1)
train_y = train_y.reshape(train_y.shape[0], -1)
valid_x = valid_x.
浏览 2提问于2019-10-08得票数 0
回答已采纳
1回答
我试着用Keras做一个自动编码器。我犯了以下错误
ValueError:检查输入时出错:期望lstm_1_input具有三维，但得到形状为(480，7)的数组
这些是以下数据信息
df.shape => (480, 7)
timesteps = 15
dim = 7
lH = LossHistory()
model = Sequential()
model.add(LSTM(50, input_shape=(timesteps,dim), return_sequences=True))
model.add(Dense(dim))
model.compile(loss='
浏览 2提问于2018-12-11得票数 0
1回答
我试图创建一个非常简单的2层LSTM模型，用于顺序预测。输入数据形状为2D。我想填充我的输入，但我不知道如何做，所以我手动填充我的输入数据。这就是为什么pad_inputs被注释掉的原因。但是，当我运行这个模型时，我会看到一个错误：
ValueError: Dimensions must be equal, but are 45 and 400 for '{{node lstm_1/while_11/SelectV2}} = SelectV2[T=DT_FLOAT](lstm_1/while_11/Tile, lstm_1/while_11/lstm_cell_35/mul_2, ls
浏览 2提问于2022-01-15得票数 1
def build_model(layers):
model = Sequential()
# By setting return_sequences to True we are able to stack another LSTM layer
model.add(LSTM(layers[0], input_shape=(1, 2), return_sequences=True))
model.add(LSTM(layers[0], input_shape=(1, 2),
return_sequences=False))
model
浏览 0提问于2021-07-03得票数 0
1回答
我试图对时间序列数据使用LSTM模型。我所使用的数据的具体背景是Twitter对未来价格预测的情绪分析。我掌握的数据如下：
date mentions likes retweets polarity count Volume Close
2017-04-10 0.24 0.123 -0.58 0.211 0.58 0.98 0.87
2017-04-11 -0.56 0.532 0.77 0.231 -0.23 0.42 0.92
.
.
.
2019-01-10
浏览 1提问于2019-04-08得票数 0
回答已采纳
我正在尝试使用较小的数据集实现lstm模型。但每次用户向模型或web服务器添加新数据时，都必须使用用户输入频繁地更新它。
是否可以使用用户输入在云服务器上创建可更新的lstm模型？
浏览 3提问于2017-05-27得票数 0
1回答
我正在努力训练我已经编辑好的CNN和LSTM模型。不管怎么说，我总是会犯错误
ValueError:检查输入时出错:期望time_distributed_151_input有5个维度，但得到形状为(4732，32，32，3)的数组
我的模型摘要看起来有点像这样
图层(类型)输出形状参数
time_distributed_151 (TimeDi (无，3，32，13，13) 4736 )
time_distributed_152 (TimeDi (无，3，32，11，11) 9248
time_distributed_153 (TimeDi (0，3，32，5，5) 0
我似乎不能
浏览 1提问于2018-07-03得票数 0
我试着在R中学习keras的LSTM，我不能完全理解在keras中使用的约定。
我有如下所示的数据集，前3列被认为是输入，最后一列被认为是输出。
基于此，我试图构建一个无状态LSTM，如下所示：
model %>%
layer_lstm(units = 1024, input_shape = c(1, 3), return_sequences = T ) %>%
layer_lstm(units = 1024, return_sequences = F) %>%
# using linear activation on last layer, as
浏览 1提问于2018-01-26得票数 3
1回答
我尝试在Keras中使用带有LSTM层的自动编码器模型来检测文本异常值。我已经将每个句子编码成一个数字序列，每个数字代表一个字母。 到目前为止，我已经训练了一个具有固定长度输入的模型，通过向4000个序列中的每个序列填充零，直到maxlength = 40，从而使用4000,40,1形状的阵列(batch_size，时间步长，特征)来训练模型。 现在我想知道如何使用这样的自动编码器模型，而不是将零填充到每个序列(句子)，从而使用每个句子(序列)的实际大小进行训练和预测。 目前，我已经标准化了每个序列，因此我的训练数据(x_train)是一个数组列表，列表中的每个数组表示不同长度的标准化数字序
浏览 17提问于2019-09-20得票数 2
回答已采纳
我有一个名为train_test_split的名为x_train的熊猫数据文件，它有4012行，所有数据格式中的值要么是int's值，要么是浮动值(在列车/测试拆分之后)和42列(后列/测试拆分)。我试图用LSTM单元训练递归神经网络，但是当模型试图输入数据帧时，我的程序一直给我一个错误。我尝试过重塑数据格式，但这也不起作用，但也许我做错了。请告诉我，如果你知道如何修复它和/或知道我如何使我的模型更有效。
这是我的代码：
df = pd.read_csv("data.csv")
x = df.loc[:, df.columns != 'result']
浏览 4提问于2020-04-07得票数 0
回答已采纳
我试图创建一个模型，预测未来的股票数据使用13个数据功能。我使用的是TimeseriesGenerator，但是当我试图安装我的模型时，我收到了一个错误，上面写着：
ValueError:检查输入时出错:期望lstm_1_input具有形状(529，13)，但得到形状为(5，13)的数组
我的数据集有529行，我想用来训练它们来预测未来的5天。如能在这方面提供任何协助，将不胜感激。
# Part 1 - Data Preprocessing
# Importing the Libraries
import numpy as np
import matplotlib.pyplot as plt
浏览 1提问于2019-07-28得票数 0
回答已采纳
1回答
拟散函数目标形状失配
、、、、
我正在训练一个LSTM模型，使用的是批处理大小为256个和NLLLoss()作为丢失函数的pytorch。损失函数与数据形状有问题。
前向传递的软件最大输出具有torch.Size([256, 4, 1181])形状，其中256个是批大小，4个是序列长度，1181是语音大小。
目标为torch.Size([256, 4])形状，其中256个是批大小，4个是输出序列长度。
当我先前测试批处理大小为1时，该模型工作正常，但当我添加批处理大小时，它正在崩溃。我看到NLLLoss()可以将类目标作为输入，而不是一个热编码的目标。
我误解了吗？还是我没有正确地格式化目标的形状？
class LSTM(n
浏览 1提问于2020-02-07得票数 3
回答已采纳
试图建立单一的输出回归模型，但在最后一层似乎存在问题。
inputs = Input(shape=(48, 1))
lstm = CuDNNLSTM(256,return_sequences=True)(inputs)
lstm = Dropout(dropouts[0])(lstm)
#aux_input
auxiliary_inputs = Input(shape=(48, 7))
auxiliary_outputs = TimeDistributed(Dense(4))(auxiliary_inputs)
auxiliary_outputs = TimeDistributed(Dens
浏览 9提问于2017-10-17得票数 2
回答已采纳
1回答
我正在学习LSTM模型，以适应多类分类的数据集，这是八种音乐类型，但不确定Keras模型中的输入形状。
我在这里学习了这些教程：
我的数据如下：
vector_1,vector_2,...vector_30,genre
23.5 20.5 3 pop
.
.
.
(7678)
我把我的数据形状转换成( 7678 ,1, 30 )，这是7678段音乐，一个时间步和30个向量。对于音乐类型，我使用了train_labels = pd.get_dummies(df['genre'])
这是我的模型：
浏览 2提问于2020-09-29得票数 0
1回答
我正在构建一个带有LSTM层的DQN。尝试将96timeperiod，33个特征数组传递给模型，以进行训练，即: shape=(96，33)还试图实现后填充掩码(val=0。)以适应可变长度序列(最大length=96)。
model = Sequential()
inp = (NUM_TIMEPERIODS, NUM_FEATURES)
model.add(Masking(mask_value=0., input_shape=inp))
model.add(LSTM(NUM_FEATURES, input_shape=inp, activation='tanh', retur
浏览 18提问于2020-08-01得票数 0
我有一个训练数据清单，我用它来训练。然而，当我预测，预测将在网上进行，每次只有一个例子。
如果我使用输入声明模型，如下所示
model = Sequential()
model.add(Dense(64, batch_input_shape=(100, 5, 1), activation='tanh'))
model.add(LSTM(32, stateful=True))
model.add(Dense(1, activation='linear'))
optimizer = SGD(lr=0.0005)
model.compile(loss='mea
浏览 3提问于2017-04-12得票数 3
回答已采纳
2回答
我正在尝试keras.layers.LSTM，下面的代码可以工作。
#!/usr/bin/python3
import tensorflow as tf
import numpy as np
from tensorflow import keras
data = np.array([1, 2, 3]).reshape((1, 3, 1))
x = keras.layers.Input(shape=(3, 1))
y = keras.layers.LSTM(10)(x)
model = keras.Model(inputs=x, outputs=y)
print (model.predi
浏览 0提问于2019-09-07得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
