Je suis en train de créer simplement RNN
dans keras
qui apprendra sur cet ensemble de données:Pourquoi la couche LAS de keras nécessite une forme d'entrée?
X = np.array([[1, 1, 1, 1, 1, 1], [1, 1, 1], [2, 2, 2, 2, 2], [1, 1, 1, 1, 1, 1, 1, 1], [2, 2, 2]])
y = np.array([[1], [1], [0], [1], [0]])
où les tableaux de 1s est 1 et 2 s tableaux est 0
voici mon code:
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.layers import LSTM
from keras.optimizers import RMSprop
import numpy as np
X = np.array([[1, 1, 1, 1, 1, 1], [1, 1, 1], [2, 2, 2, 2, 2], [1, 1, 1, 1, 1, 1, 1, 1], [2, 2, 2]])
y = np.array([[1], [1], [0], [1], [0]])
print('Build model...')
model = Sequential()
model.add(LSTM(128))
model.add(Dense(1))
model.add(Activation('softmax'))
optimizer = RMSprop(lr=0.01)
model.compile(loss='categorical_crossentropy', optimizer=optimizer)
mais j'obtiens l'erreur:
ValueError: The first layer in a Sequential model must get an
input_shape
orbatch_input_shape
argument.
pourquoi la couche LSTM
doit avoir une forme d'entrée? comme je sais, en théorie, il peut y avoir différentes formes d'entrée, parce que c'est un réseau neuronal récurrent.
comment faire fonctionner mon code?
Pourriez-vous imprimer 'X.shape'? –
@ MarcinMożejko (5,) –
Pourriez-vous l'imprimer? (Je veux dire 'X') –