0

我使用 keras 构建一维卷积 + LSTM。我尝试设置 kernel size = 5 像这个 图像 1D Convoluton。我有所有 72 个值的数据，并分别用于测试集 6 值。它可以将内核设置为 1。如果我将内核设置为另一个大小，则会显示错误。这是我的data.csv文件。

这是我的代码。

import pandas as pd
import numpy as np
from keras.layers import LSTM
from keras.layers import Conv1D
from pandas.tseries.offsets import MonthEnd
from sklearn.preprocessing import MinMaxScaler
from keras.models import Sequential
from keras.layers import Dense
import keras.backend as K
from keras.layers import Embedding
from keras.layers import GRU

df = pd.read_csv('D://data.csv',
             engine='python')


df['DATE_'] = pd.to_datetime(df['DATE_']) + MonthEnd(1)
df = df.set_index('DATE_')
df.head()

split_date = pd.Timestamp('03-01-2015')

########## Separate train and test data ##########
train = df.loc[:split_date, ['COLUMN1']]
test = df.loc[split_date:, ['COLUMN1']]

sc = MinMaxScaler()

train_sc = sc.fit_transform(train)
test_sc = sc.transform(test)

X_train = train_sc[:-1]
y_train = train_sc[1:]

X_test = test_sc[:-1]
y_test = test_sc[1:]


###################  Convolution  #######################

X_train_t = X_train[:, None]
X_test_t = X_test[:, None]

K.clear_session()
model = Sequential()

model.add(Conv1D(12, 5, activation='relu', input_shape=(None,1)))
model.add(LSTM(5,return_sequences=True))
model.add(LSTM(3)) 
model.add(Dense(1))

model.compile(loss='mean_squared_error', optimizer='adam' )
model.fit(X_train_t, y_train, epochs=400, batch_size=10, verbose=1)

y_pred = model.predict(X_test_t)

print(y_pred)
print(y_test)

当我运行它时显示这样的错误。

InvalidArgumentError (see above for traceback): computed output size would be negative
4

1 回答 1

2

这一行：

model.add(Conv1D(12, 5, activation='relu', input_shape=(None,1)))

表示输入的批量大小未知，并且在一个批次中，它的长度为 1，正好是一个数字。而且您正在尝试对其进行 5 核卷积。如果您使用填充“相同”，这只会产生一个数字的输出（输入数字乘以内核的中间数字），但是使用默认的“有效”填充，这会使输出大小为负。

input_shape = ( None, 5 )如果您只有一个数字，理论上会使大小为-4，但没有实际意义，那么您将得到一个数字（每个过滤器）作为输出。

于 2018-05-10T21:18:40.820 回答