如何在keras模型中拟合3D矩阵？

Question

我正在使用 keras 创建回归模型。我有 10 145 * 5 个十位数的矩阵。我在 keras 模型中拟合 10 145 * 5 矩阵时遇到问题。

X是输入矩阵

In: X.shape

Out: (10, 145, 5)

y是目标矩阵

In: y.shape

Out: (10,)

对于每个 145 * 5 矩阵，目标矩阵中将有一个值

制作模型

In: model = Sequential([ Dense(32, input_dim=145), Activation('sigmoid'), Dense(output_dim=10) ])

虽然上一行没有抛出任何错误或警告，但我很确定在这种情况下它不是适合模型的正确方法。

In: model.compile(optimizer='sgd',loss='mse')

目前没问题。但是当我试图拟合矩阵时

In: model.fit(X, y.reshape(-1, 1))

在这一行之后，我得到了一个很长的回溯，最终说

ValueError: Error when checking model input: expected dense_input_1 to have 2 dimensions, but got array with shape (10, 145, 5)

请帮助我正确拟合模型中的矩阵。谢谢！

Answer 1

使用 input_shape 而不是 input_dim。此外，由于输出的维数正在变化，您需要使用 Flatten 或 Reshape 作为维数之一。

from keras.layers import Flatten

model = Sequential([
    Dense(32, input_shape=(145,5)),
    Flatten(),
    Activation('sigmoid'),
    Dense(output_dim=10)
])

model.summary()

使用 model.summary() 检查模型的结构以便更好地理解。

如何在keras模型中拟合3D矩阵？

How to fit a 3D matrix in keras model?

neural-network

python-3.x

keras