4

時系列のグループを予測するために keras で LSTM ニューラル ネットワークを使用したいのですが、モデルを必要なものに一致させるのに問題があります。私のデータの次元は次のとおりです。

入力テンソル:(data length, number of series to train, time steps to look back)

出力テンソル:(data length, number of series to forecast, time steps to look ahead)

注：寸法をそのままにしておきたいのですが、転置はしません。

問題を再現するダミー データ コードは次のとおりです。

import numpy as np
from keras.models import Sequential
from keras.layers import Dense, TimeDistributed, LSTM

epoch_number = 100
batch_size = 20
input_dim = 4
output_dim = 3
look_back = 24
look_ahead = 24
n = 100

trainX = np.random.rand(n, input_dim, look_back)
trainY = np.random.rand(n, output_dim, look_ahead)
print('test X:', trainX.shape)
print('test Y:', trainY.shape)

model = Sequential()

# Add the first LSTM layer (The intermediate layers need to pass the sequences to the next layer)
model.add(LSTM(10, batch_input_shape=(None, input_dim, look_back), return_sequences=True))

# add the first LSTM layer (the dimensions are only needed in the first layer)
model.add(LSTM(10, return_sequences=True))

# the TimeDistributed object allows a 3D output
model.add(TimeDistributed(Dense(look_ahead)))

model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])
model.fit(trainX, trainY, nb_epoch=epoch_number, batch_size=batch_size, verbose=1)

これは次のことを意味します:

例外: モデル ターゲットのチェック中にエラーが発生しました: timedistributed_1 の形状が (None、4、24) であると予想されていましたが、形状 (100、3、24) の配列を取得しました

TimeDistributed 問題は、レイヤーを定義するときにあるようです。

TimeDistributedレイヤーをコンパイルしてトレーニングするように定義するにはどうすればよいですか?

4

2 に答える 2

0

問題は、の出力でoutput_dim(!= )を期待していることだと思いますが、それは不可能です。この次元は、時間次元と見なされるものであり、保持されます。input_dimTimeDistributed

入力は少なくとも 3D である必要があり、インデックス1の次元は時間次元と見なされます。

の目的は、各時間ステップに同じレイヤーをTimeDistributed適用することです。開始時と同じ数の時間ステップでしか終了できません。

この次元を 4 から 3 に本当に下げる必要がある場合は、最後に別のレイヤーを追加するか、 とは異なるものを使用する必要があると思いますTimeDistributed。

PS: この問題を見つけるための 1 つのヒントoutput_dimは、モデルの作成時には使用されず、検証データにのみ表示されることでした。これは単なるコードのにおいですが (この観察に問題はないかもしれません)、チェックする価値のあるものです。

于 2016-10-17T18:45:16.167 に答える