张量流 tf.keras.layers.Reshape RNN/LSTM

Question

我有一个包含多个变量的数据集，我正在尝试重塑以输入 LSTM 神经网络，但我在重塑层上遇到困难但没有成功。

我的数据集的形状为 (1921535, 6)，每 341 个时间步对应一个样本。我想重塑 (23, 341, 6) 并将其提供给模型。在我的代码下面。

def df_to_dataset(dataframe, batch_size):
   dataframe = dataframe.copy()
   labels = dataframe.pop('target')
   ds = tf.data.Dataset.from_tensor_slices((dict(dataframe), labels))
   ds = ds.batch(batch_size)
   return ds

max_length = 341
batch_size = 23

train_ds = df_to_dataset(data, batch_size * max_length)

model = tf.keras.Sequential([
   tf.keras.layers.Reshape((batch_size, max_length, 6), input_shape=(batch_size * max_length, 6)),
   tf.keras.layers.LSTM(40, return_sequences=True),
   tf.keras.layers.LSTM(40),
   tf.keras.layers.Dense(1)
   ])

当我运行代码时，我收到以下错误：

InvalidArgumentError: Input to reshape is a tensor with 54901 values, but the requested shape has 369075894 [Op:Reshape]

提前致谢

Answer 1

我无法重现你的错误：

max_length = 341
batch_size = 23

model = tf.keras.Sequential([
   tf.keras.layers.Reshape((batch_size, max_length, 6), input_shape=(batch_size * max_length, 6)),
   tf.keras.layers.LSTM(40, return_sequences=True),
   tf.keras.layers.LSTM(40),
   tf.keras.layers.Dense(1)
   ])

您的代码不正确：您的 Reshape 层的输出有 4 个维度（您的 3 个 dims 加上批次维度），但 LSTM 需要 3 个 dims。

Answer 2

我已经解决了使用 Lambda 层和 tf.reshape 的问题，我不知道为什么，但我不能使用重塑层。

model = tf.keras.Sequential([
   tf.keras.layers.Lambda(lambda x: tf.reshape(x, (-1, max_length, 6)),
   tf.keras.layers.LSTM(40, return_sequences=True),
   tf.keras.layers.LSTM(40),
   tf.keras.layers.Dense(1)
   ])

张量流 tf.keras.layers.Reshape RNN/LSTM

Tensorflow tf.keras.layers.Reshape RNN/LSTM

python

lstm

keras

tensorflow

recurrent-neural-network