我尝试在我的自定义功能集上使用Keras运行LSTM。我在不同的文件中有训练和测试功能。每个csv文件包含11列,最后一列作为类标签。我的数据集中总共有40个类。问题是我无法找出第一层的正确输入形状。我已经研究了stackoverflow和github,但仍然无法解决这个问题 下面是我的完整代码。在
import numpy
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
numpy.random.seed(7)
train_dataset = numpy.loadtxt("train.csv", delimiter=",")
X_train = train_dataset[:, 0:10]
y_train = train_dataset[:, 10]
test_dataset = numpy.loadtxt("test.csv", delimiter=",")
X_test = test_dataset[:, 0:10]
y_test = test_dataset[:, 10]
model = Sequential()
model.add(LSTM(32, return_sequences=True, input_shape=X_train.shape))
model.add(LSTM(32, return_sequences=True))
model.add(LSTM(32))
model.add(Dense(1, activation='softmax'))
model.compile(loss='mean_squared_error', optimizer='sgd', metrics=['accuracy'])
model.fit(X_train, y_train, batch_size=10, epochs=1)
score, acc = model.evaluate(X_test, y_test, batch_size=10)
print('Test score:', score)
print('Test accuracy:', acc * 100)
无论输入形状参数有什么变化,在拟合方法的第一层LSTM中都会出现错误。在
你的输入中没有时间维度。 RNN的输入应该是
(batch_size, time_step, features)
,而您的输入的维度是(batch_size, features)
。在如果你想一次使用10列,你应该用
numpy.reshape(train_dataset, (-1, train_dataset.shape[1], 1))
请尝试以下代码:
相关问题 更多 >
编程相关推荐