相关疑难解决方法(0)

我有一个形状如下的序列输入： (6000, 64, 100, 50)

的6000是样本的序列只是数量。每个序列64的长度。

我计划使用Keras将这个输入适合LSTM。

我以这种方式设置输入：

input = Input(shape=(64, 100, 50))

这给了我一个输入形状 (?, 64, 100, 50)

但是，当我input像这样放入LSTM时：

x = LSTM(256, return_sequences=True)(input)

我收到此错误：

输入0与lstm_37层不兼容：预期ndim = 3，找到的ndim = 4

如果我的输入形状像(?, 64, 100)，这将是可行的，但是当我具有第4维时，则不会。

这是否意味着LSTM只能接受3维输入？如何使用Keras将4维甚至更高维的输入输入LSTM？

我一直很难理解这个错误消息的含义。我看过很多帖子，比如

Keras LSTM 层的 4D 输入

ValueError: 层顺序的输入 0 与层不兼容: : 预期 min_ndim=4, 发现 ndim=3

ValueError：输入 0 与层 lstm_13 不兼容：预期 ndim=3，发现 ndim=4

层顺序的输入0与期望ndim=3的层不兼容，发现ndim=2。收到完整形状：[无，1]

预期 ndim=3，发现 ndim=2

但他们似乎都没有解决我的问题。

我有

batch_train_dataset = tf.data.Dataset.from_tensor_slices((train_features, train_labels)).shuffle(512).batch(batch_size)

for i,x in enumerate(batch_train_dataset):
  print("x[0].ndim: ", x[0].ndim)
  print("x[0].shape: ", x[0].shape)
  print("x[1].shape: ", x[1].shape)
  if i==0:
    break
##########OUTPUT###########
x[0].ndim:  3
x[0].shape:  (64, 32, 1000)
x[1].shape:  (64,)

我的个人数据具有一个形状，(64,32,1000)其中64是batch_size，32是时间步长，1000是许多特征。

这是我的模型。

num_classes = len(index_to_label)

lstm_model = tf.keras.Sequential([
    tf.keras.layers.Masking(mask_value=0.0), # DO NOT REMOVE THIS LAYER …