Essayer de construire un modèle de régression de sortie unique, mais il semble être un problème dans la dernière coucheerreur lorsque la cible vérification: time_distributed_5 devrait avoir 3 dimensions, mais se matrice de forme (14724, 1)
inputs = Input(shape=(48, 1))
lstm = CuDNNLSTM(256,return_sequences=True)(inputs)
lstm = Dropout(dropouts[0])(lstm)
#aux_input
auxiliary_inputs = Input(shape=(48, 7))
auxiliary_outputs = TimeDistributed(Dense(4))(auxiliary_inputs)
auxiliary_outputs = TimeDistributed(Dense(7))(auxiliary_outputs)
#concatenate
output = keras.layers.concatenate([lstm, auxiliary_outputs])
output = TimeDistributed(Dense(64, activation='linear'))(output)
output = TimeDistributed(Dense(64, activation='linear'))(output)
output = TimeDistributed(Dense(1, activation='linear'))(output)
model = Model(inputs=[inputs, auxiliary_inputs], outputs=[output])
Je suis nouveau à keras ... Je reçois l'erreur suivante
ValueError: Error when checking target: expected time_distributed_5 to have 3 dimensions, but got array with shape (14724, 1)
Oui, vous avez probablement raison. Je pourrais juste utiliser un LSTM mais cela me donnerait des résultats satisfaisants. L'entrée de lstm est une séquence de 48 pas de temps et je veux prédire le pas de temps suivant (le 49ème). Chaque pas de temps vient avec des données supplémentaires (48, 7) (7 caractéristiques) qui sont alimentées via l'entrée auxiliaire. J'essaie de concatter la sortie de lstm avec les sorties auxiliaires. – mojo1643