在LSTM层之前嵌入层的Keras LSTM
在LSTM层之前嵌入层的Keras LSTM
提问于 2017-11-09 22:50:53
我正在尝试keras数据的示例，数据形状如下所示：
x_train形状：(25000，80)
我只需将keras示例的原始代码更改为如下代码：
model = Sequential()
layer1 = Embedding(max_features, 128)
layer2 = LSTM(128, dropout = 0.2, recurrent_dropout = 0.2, return_sequences = True)
layer3 = Dense(1, activation = 'sigmoid')
model.add(layer1)
model.add(layer2)
model.add(layer3)最初的模型将return_sequences设置为False，我将其更改为True，并遇到了以下错误：
期望dense_1具有三维，但得到形状为(25000，1)的数组
但是我打印了模型的结构，发现LSTM层的输出正好是一个三维张量：
lstm_1：(无，无，128)
回答 2
Stack Overflow用户
发布于 2017-11-09 22:58:04
您需要重塑您的培训数组，请使用以下代码：
x_train = np.reshape(x_train,(x_train.shape[0],1,x_train.shape[1]))还有您的测试数组：
x_test = np.reshape(x_test,(x_test.shape[0],1,x_test.shape[1]))np是一种不稳定的包装。
LSTM模型中的时间步骤：https://machinelearningmastery.com/use-timesteps-lstm-networks-time-series-forecasting/
时间步骤:这相当于运行递归神经网络的时间步骤的数量。如果你想要你的网络有60个字符的内存，这个数字应该是60。
Stack Overflow用户
发布于 2017-11-09 23:43:58
我认为您需要一个TimeDistributed层，在使用return_sequences=True的LSTM之后
layer2= LSTM(128, dropout=0.2,
recurrent_dropout=0.2,return_sequences=True)
layer3= TimeDistributed(Dense(1, activation='sigmoid')))页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47217151
复制相关文章
相似问题
腾讯云开发者
