Question

我正在对fMRI数据运行LSTM。我们的输入数据带有input_shape（timesteps，features）=（495,359320）和标签数据（495，）。我遇到了LSTM层输出内容的问题。

   MAX_SLIDER_VALUE=127
   EPOCHS=3
   BATCH_SIZE=1
   LOSS='mean_squared_error'
   OPTIMIZER='RMSprop'

   model=Sequential()
`  model.add(LSTM(units=MAX_SLIDER_VALUE,` activation=keras.layers.LeakyReLU(alpha=.025),dropout=.08,input_shape=(495,359320)))
   model.add(Dense(units=MAX_SLIDER_VALUE,activation='softmax'))``

   model.compile(loss=LOSS,optimizer=OPTIMIZER, metrics=['acc','mae']) 

   model.fit(np.array(train_subset_nii),np.array(train_subset_labels),
   epochs=EPOCHS,batch_size=BATCH_SIZE)

使用pdb调试器检查模型的输出层显示第0层的输出应为（127，），但我正在获取valueError，其输出为（495，）。

model.layers[0].input_shape
(None, 495, 359320)

model.layers[0].output_shape
(None, 127)

model.layers[1].input_shape
(None, 127)

model.layers[1].output_shape
(None, 127)


ValueError: Error when checking target: expected dense_5 to have shape (127,) but got array with shape (495,)

附加说明：

如果我们更改输出以使其与时间步数相匹配，则代码将训练并运行

MAX_SLIDER_VALUE=495

我试图找出是什么导致（127，）和（495，）之间的差异。

Answer 1

return_sequences的LSTM默认值为False，因此LSTM层将仅输出最后一个单元输出->（无（批），单位= MAX_SLIDER_VALUE）。如果要输出（无，495，MAX_SLIDER_VALUE），则在LSTM初始化中将return_sequences更改为True（单位不必为MAX_SLIDER_VALUE），将密度单位更改为MAX_SLIDER_VALUE。

Answer 2

我想，MAX_SLIDER_VALUE=127的输出为（127，），因为您的致密层是127个神经元。

问题是，您如何让模型将（127，）的预测与标签尺寸为（495，）的预测进行比较？对我来说，从一开始它就不会在逻辑上起作用。

您可以尝试更改此行：

model.add(Dense(units=MAX_SLIDER_VALUE,activation='softmax'))

进入

model.add(Dense(units=495,activation='softmax'))

让我知道是否可以解决此问题。

Keras LSTM输出的尺寸与预期的不同

2 个答案: