ValueError: Input 0 is incompatible with layer lstm_13: expected ndim=3, found ndim=4

Question

我正在尝试进行多class class化，这里是我的训练输入和输出的详细信息：

train_input.shape= (1, 95000, 360) (95000 length input array with each element being an array of 360 length)

train_output.shape = (1, 95000, 22) (22 Classes are there)

model = Sequential()

model.add(LSTM(22, input_shape=(1, 95000,360)))
model.add(Dense(22, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
print(model.summary())
model.fit(train_input, train_output, epochs=2, batch_size=500)

错误是：

ValueError: Input 0 is incompatible with layer lstm_13: expected ndim=3, found ndim=4 in line: model.add(LSTM(22, input_shape=(1, 95000,360)))

请帮帮我，我无法通过其他答案解决。

Answer 1

input_shape 应该是（时间步长，n_features）。删除第一个维度。

input_shape = (95000,360)

输出相同。

Answer 2

我通过

解决了这个问题

input size: (95000,360,1) and output size: (95000,22)

并在定义模型的代码中将 输入形状更改为 (360,1)：

model = Sequential()
model.add(LSTM(22, input_shape=(360,1)))
model.add(Dense(22, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
print(model.summary())
model.fit(ml2_train_input, ml2_train_output_enc, epochs=2, batch_size=500)

Answer 3

好吧，我认为主要问题在于 network.This 超参数中的 return_sequences 参数应该为 最后一层设置为 False 和 true 其他 前一层 .

Answer 4

综合以上答案， return_sequences不要所有层都设置True，最后一层不要设置即可，省略return_sequences=True

Answer 5

在人工神经网络 (ANN) 中，输入的形状为 (N,D)，其中 N 是样本数，D 是特征数。

在RNN、GRU和LSTM中，输入的形状为(N,T,D)，其中N为样本数，T为时间序列长度，D为特征数。

因此，在添加图层时

ANN 的输入(shape = (D,)) 和 RNN、GRU 和 LSTM 的输入（形状 = (T,D)）

ValueError: Input 0 is incompatible with layer lstm_13: expected ndim=3, found ndim=4

ValueError: Input 0 is incompatible with layer lstm_13: expected ndim=3, found ndim=4

python

lstm

keras

recurrent-neural-network