Подтвердить что ты не робот

Неверное количество измерений: ожидается 3, получено 2 с формой (119, 80)

Я новичок в Keras и у меня есть некоторые проблемы с формами, особенно когда речь идет о RNN и LSTM.

Я запускаю этот код:

model.add(SimpleRNN(init='uniform',output_dim=1,input_dim=len(pred_frame.columns)))
model.compile(loss="mse", optimizer="sgd")
model.fit(X=predictor_train, y=target_train, batch_size=len(pred_frame.index),show_accuracy=True)

Переменная Forextor_train представляет собой массив с 119 внутренними массивами, каждый из которых имеет 80 различных элементов.

У меня эта ошибка:

TypeError: ('Bad input argument to theano function with name "/Library/Python/2.7/site-packages/keras/backend/theano_backend.py:362"  at index 0(0-based)', 'Wrong number of dimensions: expected 3, got 2 with shape (119, 80).')

До сих пор я обнаружил, что RNN получает трехмерный тензор с формой (batch_size, timesteps, size), и когда вы устанавливаете input_shape, batch_size обычно опускается, и вы должны просто предоставить кортеж (timesteps, dimension). Но в какой части кода это должно быть изменено (если возможно, добавьте свои предложения по изменению кода)?

Дополнительная информация

О pred_frame

тип: класс 'pandas.core.frame.DataFrame'

форма: (206,80)

                  Pred      Pred         Pred  ...    
Date                                                                      
1999-01-01         NaN       NaN          NaN         
1999-02-01         NaN       NaN          NaN        
1999-03-01         NaN       NaN          NaN       
1999-04-01         NaN       NaN          NaN
...
2015-11-01  288.333333 -0.044705   589.866667
2015-12-01  276.333333 -0.032157  1175.466667    
2016-01-01  282.166667  0.043900  1458.966667     
2016-02-01  248.833333 -0.082199  5018.966667   
[206 rows x 80 columns]

О target_train

тип: класс 'pandas.core.series.Series'

форма: (119,)

dtype: float64

Date
2004-10-01    0.003701
2005-05-01    0.001715
2005-06-01    0.002031
2005-07-01    0.002818
...
2015-05-01   -0.007597
2015-06-01   -0.007597
2015-07-01   -0.007597
2015-08-01   -0.007597

О предсказателе

тип: 'numpy.ndarray'

форма: (119,80)

dtype: float64

[[  0.00000000e+00  -1.00000000e+00   1.03550000e-02 ...,   8.42105263e-01
    6.50000000e+01  -3.98148148e-01]
 [ -1.13600000e-02  -1.07482052e+00  -9.25333333e-03 ...,   4.45783133e-01
    8.30000000e+01  -1.94915254e-01]
 [  4.71300000e-02  -5.14876761e+00   1.63166667e-03 ...,   4.45783133e-01
    8.50000000e+01  -1.94915254e-01]
 ..., 
 [  4.73500000e-02  -1.81092653e+00  -8.54000000e-03 ...,   1.39772727e+00
    2.77000000e+02  -3.43601896e-01]
 [ -6.46000000e-03  -1.13643083e+00   1.06100000e-02 ...,   2.22551929e-01
    2.77000000e+02  -3.43601896e-01]
 [  3.14200000e-02  -5.86377709e+00   1.50850000e-02 ...,   2.22551929e-01
    2.82000000e+02  -2.76699029e-01]]

редактировать

Благодаря @y300, видимо, проблема 3d превзошла. Моя форма сейчас (119,1,80).

model.summary() returns the following:
--------------------------------------------------------------------------------
Initial input shape: (None, None, 119)
--------------------------------------------------------------------------------
Layer (name)                  Output Shape                  Param #             
--------------------------------------------------------------------------------
SimpleRNN (Unnamed)           (None, 1)                     121                 

Total params: 121

Тем не менее, я все еще получаю проблему формирования в строке model.fit, как вы можете видеть ниже:

File "/Library/Python/2.7/site-packages/theano/tensor/blas.py", line 1612, in perform
z[0] = numpy.asarray(numpy.dot(x, y))
ValueError: ('shapes (119,80) and (119,1) not aligned: 80 (dim 1) != 119 (dim 0)', (119, 80), (119, 1))
Apply node that caused the error: Dot22(Alloc.0, <TensorType(float32, matrix)>)
Inputs types: [TensorType(float32, matrix), TensorType(float32, matrix)]
Inputs shapes: [(119, 80), (119, 1)]
Inputs strides: [(320, 4), (4, 4)]
Inputs values: ['not shown', 'not shown']

Почему это происходит и как я могу это исправить?

4b9b3361

ОТВЕТЫ

Ответ 1

Вы можете проверить, как выглядит ваша модель, делая

model.summary()

В этом случае ваш должен выглядеть примерно так (фактические значения могут отличаться):

--------------------------------------------------------------------------------
Initial input shape: (None, None, 100)
--------------------------------------------------------------------------------
Layer (name)                  Output Shape                  Param #             
--------------------------------------------------------------------------------
SimpleRNN (simplernn)         (None, 1)                     102                 
  --------------------------------------------------------------------------------
Total params: 102
--------------------------------------------------------------------------------

Как вы можете видеть, вход представляет собой трехмерный тензор, а не двумерный. Поэтому вам нужно изменить размеры массивов, чтобы они соответствовали ожиданиям кера. В частности, вход X_train должен иметь размеры (num_samples, 1, input_dim). Вот рабочий пример с некоторыми случайно генерируемыми данными x/y:

model.add(keras.layers.SimpleRNN(init='uniform',output_dim=1,input_dim=100))
model.compile(loss="mse", optimizer="sgd")
X_train = np.random.rand(300,1,100)
y_train = np.random.rand(300)
model.fit(X=X_train, y=y_train, batch_size=32,show_accuracy=True)