检查目标时出错：预期稠密1具有3维，但得到的数组具有形状（118，1）

Question

我正在训练一个预测股价的模型，输入的数据是收盘价。我使用45天的数据来预测第46天的收盘价，并将经济指标作为第二个特征，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 = model.fit( X_train, y_train, batch_size = batchSize, epochs=epochs, shuffle = False)

运行此命令时，会出现以下错误：

ValueError: Error when checking target: expected dense_1 to have 3 dimensions, but got array with shape (118, 1)

然而，Iprint数据的形状，它们是：

X_train:(118, 45, 2)
y_train:(118, 1)

我不知道为什么当yúu列为（118，1）时，模型会期望三维输出。我错在哪里？我该怎么办？

Answer 1

第二个LSTM层还返回序列，默认情况下，密集层将内核应用于每个时间步，同时生成序列：

# (bs, 45, 2)
model.add( LSTM( 512, input_shape=(45, 2), return_sequences=True))
# (bs, 45, 512)
model.add( LSTM( 512, return_sequences=True))
# (bs, 45, 512)
model.add( (Dense(1)))
# (bs, 45, 1)

所以你的输出是shape(bs, 45, 1)。要解决这个问题，需要在第二个LSTM层中设置return_sequences=False，该层将压缩序列：

# (bs, 45, 2)
model.add( LSTM( 512, input_shape=(45, 2), return_sequences=True))
# (bs, 45, 512)
model.add( LSTM( 512, return_sequences=False)) # SET HERE
# (bs, 512)
model.add( (Dense(1)))
# (bs, 1)

你就会得到想要的结果。注bs是批大小。

Answer 2

训练数据的格式应为：(num_samples,num_features,num_signals/num_vectors)。 按照此约定，尝试以数组的形式传递训练数据，该数组的大小按上述约定重塑，并确保在model.fit命令中添加validation_data参数。例如：

model.fit(x=X_input ,y=y_input,batch_size=2,validation_data=(X_output, y_output),epochs=10)

其中，X_input，y_input分别是具有形状（126711,1）和（126,1）的训练数据数组，X_output，y_output分别是具有形状（53711,1）和（53,1）的验证/测试数据数组。

如果发现shuffle错误，请按照上述方法设置shuffle参数的值为True。

Answer 3

我也遇到了类似的问题，找到了答案here：

我在最后一层致密层之前加了model.add(Flatten())