Keras/Python - Si un RNN est avec état, un input_shape complet doit être fourni (y compris la taille du lot)

Question

J'essaie d'implémenter un RNN avec état, mais il ne cesse de me demander un "input_shape complet (y compris la taille de lot)" . J'ai essayé différentes choses dans les arguments input_shape et input_batch_size, mais personne ne semble fonctionner. Quelqu'un peut-il faire la lumière?

code:

model=Sequential()  
model.add(SimpleRNN(init='uniform',output_dim=80,input_dim=len(pred_frame.columns),stateful=True,batch_input_shape=(len(pred_frame.index),len(pred_frame.columns)),input_shape=(len(pred_frame.index),len(pred_frame.columns)))) 
model.add(Dense(output_dim=200,input_dim=len(pred_frame.columns),init="glorot_uniform")) 
model.add(Dense(output_dim=1)) 
model.compile(loss="mse", class_mode='scalar', optimizer="sgd") 
model.fit(X=predictor_train, y=target_train, batch_size=len(pred_frame.index),show_accuracy=True) 

Traceback:

File "/Users/file.py", line 1483, in Pred 
model.add(SimpleRNN(init='uniform',output_dim=80,input_dim=len(pred_frame.columns),stateful=True,batch_input_shape=(len(pred_frame.index),len(pred_frame.columns)),input_shape=(len(pred_frame.index),len(pred_frame.columns)))) 
File "/Library/Python/2.7/site-packages/keras/layers/recurrent.py", line 194, in __init__ 
super(SimpleRNN, self).__init__(**kwargs) 
File "/Library/Python/2.7/site-packages/keras/layers/recurrent.py", line 97, in __init__ 
super(Recurrent, self).__init__(**kwargs) 
File "/Library/Python/2.7/site-packages/keras/layers/core.py", line 43, in __init__ 
self.set_input_shape((None,) + tuple(kwargs['input_shape'])) 
File "/Library/Python/2.7/site-packages/keras/layers/core.py", line 141, in set_input_shape 
self.build() 
File "/Library/Python/2.7/site-packages/keras/layers/recurrent.py", line 199, in build 
self.reset_states() 
File "/Library/Python/2.7/site-packages/keras/layers/recurrent.py", line 221, in reset_states 
'(including batch size).') 
Exception: If a RNN is stateful, a complete input_shape must be provided (including batch size). 

Answer 1

Vous devez fournir uniquement le batch_input_shape = paramètre, et non le paramètre input_shape. En outre, pour éviter les erreurs de forme en entrée, assurez-vous que la taille des données d'apprentissage est un multiple de batch_size. Et enfin, si vous utilisez des scissions de validation, vous devez être sûr que les deux scissions sont également des multiples de batch_size.

# ensure data size is a multiple of batch_size 
data_size=data_size-data_size%batch_size 
# ensure validation splits are multiples of batch_size 
increment=float(batch_size)/len(data_size) 
val_split=float(int(val_split/(increment))) * increment 

Answer 2

Dans votre définition de SimpleRNN, enlever input_dim et input_shape, définissez batch_input_shape = (Number_Of_sequences, Size_Of_Each_Sequence, Shape_Of_Element_In_Each_Sequence). batch_input_shape devrait être un tuple de longueur au moins 3.

Si vous passe vos séquences un par un, ensemble Number_Of_sequences = 1

Si la taille de vos séquences n'est pas fixe, réglez Size_Of_Each_Sequence = None