#python #keras #lstm #shapes #valueerror
#python #keras #lstm #формы #ошибка значения
Вопрос:
Архитектура модели
model = Sequential()
model.add(LSTM(50,batch_input_shape(50,10,9),return_sequences=True))
model.add(LSTM(30,return_sequences=True, activation='tanh'))
model.add(LSTM(20,return_sequences=False, activation='tanh'))
model.add(Dense(9, activation='tanh'))
model.compile(loss='mean_squared_logarithmic_error',
optimizer='adam',metrics=['accuracy'])
Сводка выглядит следующим образом
Layer (type) Output Shape Param #
=================================================================
lstm_1 (LSTM) (50, 10, 50) 12000
_________________________________________________________________
lstm_2 (LSTM) (50, 10, 30) 9720
_________________________________________________________________
lstm_3 (LSTM) (50, 20) 4080
_________________________________________________________________
dense_1 (Dense) (50, 9) 189
=================================================================
Total params: 25,989
Trainable params: 25,989
Non-trainable params: 0
Я использую fit_generator для обучения модели. Я намерен использовать predict вместо predict_generator . Я закодировал пользовательский генератор, используя yeild. С этим нет проблем, потому что predict_generator работает нормально
model.fit_generator(generator=generator,
steps_per_epoch=250, epochs=10, shuffle=True)
Когда я использую predict
model.predict(testX = np.zeros(50,10,9))
Это выдает ошибку ниже
ValueError: Cannot feed value of shape (32, 10, 9) for Tensor
'lstm_1_input:0', which has shape '(50, 10, 9)'
Теперь я понятия не имею, откуда взялись эти 32, потому что входная форма равна (50,10,9), что является именно тем, что он ожидает.
Ответ №1:
Используйте
model.predict(np.random.randn(50,10,9), batch_size=50)
Вы фиксируете размер пакета на 50 via batch_input_shape(50,10,9)
Однако, когда вы используете predict , вы не передаете batch_size значение, которое по умолчанию равно 32. Поэтому он пытается перейти в (32, 10, 9) into (50, 10, 9) и терпит неудачу.
Это не сбой, fit_generator потому что вы generator должны возвращать пакет размером 50.