我的代码如下。

输出形状 = [batch_size , 1] 返回输出，输出

timeSeries_before_forgetting_gate ：

我正在尝试制作自己的 rnn 单元并将其应用于 tf.nn.dynamic_rnn。所以我做了自己的单元类（tf.contrib.rnn.RNNCell的子类），并对其进行了简单的正向计算测试。但是它不起作用错误如下

怎么了？？:(

概括

在已正确生成模型后，我无法将输入数据的正确尺寸提供给预测。

我收到以下错误：

背景

• 使用 Anaconda 作为我的虚拟环境
• Keras 版本 2.0.6
• TensorFlow 版本 1.1.0

我正在创建一个非常接近本教程的示例。

代码

以下是相关的代码片段：

...

...

...

...

错误

在最后一行，它出错了，出现以下错误：

努力解决

我玩过它的维度seed_string和x生成的维度，但无论我如何尝试调整它们，我都有某种不匹配，总是由于None（我认为）的这个要求。需要明确的是，我从种子字符串中添加或删除了字符，因此它是40字符。但是，当我将其设置为 时40，错误显示我实际上拥有41，当我将其设置为时39，它显示我拥有39，如上所示。还有其他事情——我不明白——在这里发生。

我查看了Reshape's 的代码和一个如何使用它的示例，但由于 Keras'Reshape是用于模型层的，我什至不明白如何使用它来重塑预测的输入，而 Numpy 没有办法重塑创建一个None维度（至少据我所知不是）。

我是深度学习的初学者。我正在使用 keras 库实现 LSTM，以预测天气数据，我有训练和测试数据。删除一些变量后，我的输入数据具有以下形状。

现在，我将这些数据输入到下面的 LSTM 代码中，但无法弄清楚我遇到问题的输入形状。下面给出了我正在应用的 LSTM 的完整代码。

这是错误，我在运行代码后得到，模型正在拟合 X_train 和 y_train，具有上述输入形状。

我正在构建一个用于语言识别的全状态 LSTM。在有状态的情况下，我可以用较小的文件训练网络，一个新的批次就像讨论中的下一个句子。然而，为了使网络得到适当的训练，我需要在一些批次之间重置 LSTM 的隐藏状态。

我正在使用一个变量来存储 LSTM 的 hidden_​​state 以提高性能：

现在我对如何重置隐藏状态感到困惑。我尝试了两种解决方案，但它不起作用：

第一个解决方案

使用以下命令重置“hidden_​​state”变量：

它确实有效，我认为这是因为在运行 rnn_state_zero_op 操作后，unstack 和 tuple 构造没有“重新播放”到图中。

第二种解决方案

在Tensorflow 中针对 RNN 的 LSTMStateTuple vs cell.zero_state()之后，我尝试使用以下命令重置单元状态：

它似乎也不起作用。

问题

我想到了另一个解决方案，但它充其量只是猜测：我没有保留 tf.nn.dynamic_rnn 返回的状态，我已经想到了，但是我得到了一个元组，但我找不到构建一个op 重置元组。

在这一点上，我不得不承认我不太了解 tensorflow 的内部工作，以及是否有可能做我想做的事情。有正确的方法吗？

谢谢 ！

我遇到的问题和你完全一样。我也按照@td2014 的指导，但最后出现了错误。我的输入形状是(24443, 124, 30)，我的lstm层设置如下：

我得到的错误是“检查输入时出错：预期 lstm_4_input 具有形状（None, 1, 30）但得到了形状为（24443, 124, 30）的数组”

你对此有什么建议吗？

我想为我的 LSTM RNN 单元提供 2 种类型的输入。我的输入由整数列表（即[5,2,3,4,6,1,0, ...]）组成。

但是，每个整数都分为 2 个不同的组，所以我想标记每个整数，就像[[5,True],[2,False], [3,False], [4,True], ... ].

我见过输入由相同类型的常量组成的情况，输入维度为 2 或更大。但我不确定 2 种不同类型是否可以产生 1 个输入单位，例如[5,True]. 如果这不可能，我正在考虑将 True 代入整数 2，将 False 代入整数 1，例如[[5,2], [2,1], ...]，其中输入维度为 2（不确定这是标记的好方法）。

标记每个整数以使每个整数属于不同组的好方法是什么？

我对神经网络很陌生，对它没有太多经验。我的问题如下：我有一个数组，877 个不同的数据点，每个数据点有 200 个特征。它是一个 PCA 简化的 TfIdf 矩阵，其中每一行对应于我的数据集中的一个文本块（例如一个段落本身）。我正在尝试为此数据（1 类或 0 类）创建一个二元分类器。我已经成功地使用线性 SVM 获得了 80% 的中低准确度，使用简单的 Dense NN 获得了大约 80% 的准确度，如下所示：

所以我发现 RNN 在自然语言处理中非常受欢迎。我尝试以大致相同的方式设置一个。但是，我知道我的数据应该有第三维。我很困惑这是如何工作的。我根据这个问题编写了代码：LSTM with keras this asker does not have 3 dimension in his data。他的作品究竟如何​​仅使用 2 个维度？我的代码如下：

有人可以解释一下这有何不同以及为什么我不断收到此错误：ValueError: Error when checking input: expected lstm_1_input to have 3 dimensions, but got array with shape (877, 200)

我真的需要第三维吗？如果是这样，我应该如何将我的 2D（数据点，特征）数组转换为 3D？谢谢你的时间。

- - - - - - - - - - - - - - 编辑 - - - - - - - - - - - -------------

所以现在我已经将我的代码更改为：

并收到以下错误（t_steps == 1 和 dim == 200）

不知道从这里去哪里。

----------------------------------------编辑#2-------------------- ---------------

事实证明，如果我设置return_sequences = False它有效。现在我的准确率是可怕的，47%。

我正在构建一个 RNN 来预测多对一问题。

我的模型设置：

我想尝试使用 TimeDistributed(Dense) 层，例如：https ://keras.io/layers/wrappers/ 。所以我把上面改为下面：

我收到一个 AssertionError。哪个报告矩阵大小不是预期的。我错过了哪些步骤？

我试图在 DeepLearning4J 中找到 GRU 实现，但似乎找不到。有谁知道 GRU 是否在 DL4J 中实现？如果是这样，请您指导我举一个例子。如果没有，这是否在他们的路线图上？

谢谢

我正在尝试在不使用 MultiRNNCell 的情况下制作多层 RNN，因为我想独立更新每一层。所以我没有使用 tf.dynamic_rnn。

然后我得到这样的错误。

ValueError: 变量架构/basic_lstm_cell/kernel 已经存在，不允许。您的意思是在 VarScope 中设置 reuse=True 吗？

因此，在没有 MultiRNNCell 的情况下，似乎不可能在 tensorflow 中声明多个单元格。我该如何解决这个问题？