python - 检查目标 : expected dense_1 to have 3 dimensions, 时出错，但得到形状为 (118, 1) 的数组

Question

我正在训练一个模型来预测股票价格，输入数据是收盘价。我使用 45 天的数据来预测第 46 天的收盘价和经济指标作为第二个特征，这是模型:

model = Sequential()
model.add( LSTM( 512, input_shape=(45, 2), return_sequences=True))
model.add( LSTM( 512, return_sequences=True))
model.add( (Dense(1)))
model.compile(loss='mse', optimizer='adam')
history = model.fit( X_train, y_train, batch_size = batchSize, epochs=epochs, shuffle = False)

当我运行它时，出现以下错误:

ValueError: Error when checking target: expected dense_1 to have 3 dimensions, but got array with shape (118, 1)

但是，我打印数据的形状，它们是:

X_train:(118, 45, 2)
y_train:(118, 1)

我不知道为什么当 y_train 为 (118, 1) 时模型需要 3 维输出。我哪里错了，我该怎么办？

Answer 1

您的第二个 LSTM 层也返回序列，默认情况下，密集层将内核应用于每个时间步，同时生成一个序列:

# (bs, 45, 2)
model.add( LSTM( 512, input_shape=(45, 2), return_sequences=True))
# (bs, 45, 512)
model.add( LSTM( 512, return_sequences=True))
# (bs, 45, 512)
model.add( (Dense(1)))
# (bs, 45, 1)

所以你的输出是形状 (bs, 45, 1)。要解决此问题，您需要在将压缩序列的第二个 LSTM 层中设置 return_sequences=False:

# (bs, 45, 2)
model.add( LSTM( 512, input_shape=(45, 2), return_sequences=True))
# (bs, 45, 512)
model.add( LSTM( 512, return_sequences=False)) # SET HERE
# (bs, 512)
model.add( (Dense(1)))
# (bs, 1)

您将获得所需的输出。注意 bs 是批量大小。