多對一的LSTM，Keras上的softmax尺寸錯誤

Question

我正在嘗試使用LSTM來訓練一個簡單的多對一RNN分類器。我的時間步長爲100個數據點，具有7個特徵，總共有192382個樣本。這是我的型號：

model = Sequential() 
model.add(LSTM(50,input_shape = (100,7),name = 'LSTM',return_sequences=False)) 
model.add(Dropout(0.2)) 
model.add(Dense(3, activation='softmax',name = 'softmax_layer')) 
model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'],name='softmax') 
model.fit(datax,datay,epochs=25,batch_size=128) 
model.summary() 

該模型編譯罰款沒有錯誤，但我不能適應模型。這是它返回的錯誤：

ValueError: Error when checking target: expected softmax_layer to have shape (None, 3) but got array with shape (192282, 100) 

有沒有人有一個想法，爲什麼softmax圖層返回一個（192282,100）矩陣？ LSTM層中的return_sequence = False是否應該只給每個時間步輸出一個輸出？

Answer 1

實際上，softmax_layer回報率（無，3），因爲最後一層的尺寸爲3

也許你要修復它？所以，爲了解決它，你需要輸出層（softmax_layer）的大小應該等於你的標籤數組的大小（datay.shape [1]）。換句話說，它必須等於類的數量。

快速的解決方法是：

model = Sequential() 
model.add(LSTM(50,input_shape = (100,7),name = 'LSTM',return_sequences=False)) 
model.add(Dropout(0.2)) 
model.add(Dense(datay.shape[1], activation='softmax',name = 'softmax_layer')) 
model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'],name='softmax') 
model.fit(datax,datay,epochs=25,batch_size=128) 
model.summary()