为 LSTM 重塑 Keras 输入

Question

我有两个 ndarray，输入和结果，都由多个数组组成，如下所示：

inputs = [
  [[1,2],[2,2],[3,2]],
  [[2,1],[1,2],[2,3]],
  [[2,2],[1,1],[3,3]],
  ...
]
results = [
  [3,4,5],
  [3,3,5],
  [4,2,6],
  ...
]

我设法将它们分成训练和测试数组，其中训练包含 66% 的数组并测试其他 33%。现在我想重塑它们以在我的 LSTM 中进一步使用，但是我的脚本在将它们输入到 np.reshape() 函数时失败了。

split = int(round(0.66 * results.shape[0]))
train_results = results[:split, :]
train_inputs = inputs[:split, :]
test_results = results[split:, :]
test_inputs = inputs[split:, :]
X_train = np.reshape(train_inputs, (train_inputs.shape[0], train_inputs.shape[1], 1))
X_test = np.reshape(test_inputs, (test_inputs.shape[0], test_inputs.shape[1], 1))

请告诉我在这种情况下如何正确使用 np.reshape() 。

基本上我松散地遵循本教程：https : //github.com/Vict0rSch/deep_learning/tree/master/keras/recurrent

Answer 1

您只需将一个元组传递给np.reshape.

对于 LSTM 层，您需要像(NumberOfExamples, TimeSteps, FeaturesPerStep).

所以，我们需要知道你的序列有多少步。根据您的 X 阵列的外观，我假设您有 3 个步骤和 2 个功能。

如果是这种情况：

X_train = train_inputs.reshape((split,3,2))
X_test = X_test.reshape((test_inputs.shape[0], 3, 2))

否则，如果您想要一个特征的 6 个步骤，则形状为(split,6,1)。你可以做任何事情，只要形状中三个元素的乘积必须始终保持不变

对于结果。您是否希望结果是顺序结果，匹配输入步骤？或者它们只是单个输出（整个序列的两个独立输出）？

由于您有 3 个结果，并且我假设您有 3 个时间步长，因此我假设这 3 个结果也是按顺序排列的，因此，我将它们重塑为：

Y_train = train_results.reshape((split,3,1)) #three steps, one result per step
#for this to work, your last LSTM layer should use `return_sequences=True`. 

但如果它们是 3 个独立的结果：

 Y_train = train_results.reshape((split,3)) 
 #for this to work, you must have 3 cells in the last layer, be it a Dense or an LSTM. But this LSTM must have `return_sequences=False`.