上model.fit

Question

尺寸我試圖運行此SimpleRNN的錯誤號：

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) 

錯誤是model.fit，你可以看到如下：

File "/Users/file.py", line 1496, in Pred 
model.fit(X=predictor_train, y=target_train, batch_size=len(pred_frame.index),show_accuracy=True) 
File "/Library/Python/2.7/site-packages/keras/models.py", line 581, in fit 
shuffle=shuffle, metrics=metrics) 
File "/Library/Python/2.7/site-packages/keras/models.py", line 239, in _fit 
outs = f(ins_batch) 
File "/Library/Python/2.7/site-packages/keras/backend/theano_backend.py", line 365, in __call__ 
return self.function(*inputs) 
File "/Library/Python/2.7/site-packages/theano/compile/function_module.py", line 513, in __call__ 
allow_downcast=s.allow_downcast) 
File "/Library/Python/2.7/site-packages/theano/tensor/type.py", line 169, in filter 
data.shape)) 
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 (88, 88).') 

錯誤告訴我它的尺寸錯誤，它應該是3，它只有2。它指的是什麼尺寸？

Answer 1

您正在嘗試運行RNN。這意味着你想要在你的計算中包括前面的時間步驟。爲此，必須在將數據提供給SimpleRNN圖層之前對其進行預處理。爲了簡單起見，讓我們假設88個樣本不是88個樣本，而是每個樣本8個樣本，每個樣本都有4個特徵。現在，當使用RNN時，您必須決定反向傳播的最大值（即計算中包含的以前時間步數）。在這種情況下，您可以選擇包含最多2個先前的時間步驟。因此，爲了計算RNN的權重，您必須在每個時間步驟提供當前時間步長（具有4個特徵）的輸入和前兩個時間步長（每個具有4個特徵）的輸入。就像在這個可視化：的

sequence sample0 sample1 sample2 sample3 sample4 sample5 sample6 sample7  
    0  |-----------------------| 
    1     |-----------------------| 
    2       |-----------------------| 
    3         |-----------------------| 
    4            |----------------------| 
    5              |----------------------| 

因此，而不是給人一種（nb_samples，nb_features）矩陣的輸入，SimpleRNN，你必須給它一個（nb_sequences，nb_timesteps，nb_features）型輸入。在這個例子中，它意味着你不給（8x4）輸入一個（5x3x4）輸入。

的keras Embedding層可能會做這份工作，但在這種情況下，你也可以寫一個簡短的代碼吧：

input = np.random.rand(8,4) 
nb_timesteps = 3 # 2 (previous) + 1 (current) 
nb_sequences = input.shape[0] - nb_timesteps #8-3=5 

input_3D = np.array([input[i:i+nb_timesteps] for i in range(nb_sequences)]) 

Answer 2

的錯誤可能是因爲您的輸入尺寸不是格式：

(nb_samples, timesteps, input_dim) 

據預計3個維度，而你只是其中(88,88) 2要提供。