时间步长问题。tensorflow训练lstm时序模型,输出层实际输出维度和期待维度不一致

设置输出维度为1.

Dense(1)

但结果跑出来的输出维度每次都是三维的。

模型设置:

输入x维度(2250,48,2)

输入y 维度(2250,) 和 (2250,1)

但模型预测出的结果维度都是(2250,48,1)

我就很纳闷= = !

后来对比了以前跑过的文件。发现LSTM少定义一个参数。

input_shape填两个参数值,第一个值代表指定的时间步长。此处为48.

第二个值是特征数目。

更改后训练成功。模型预测值维度为(2250,1)

问题解决~

相关推荐
沉睡的无敌雄狮1 分钟前
跨平台AI运营繁琐?矩阵跃动小陌GEO多端同步技术,解放技术运营双手
大数据·人工智能
2501_943124052 分钟前
7×24小时无人值守:矩阵跃动龙虾机器人+GEO,AI流量闭环效率实测报告
人工智能·矩阵·机器人
renhongxia13 分钟前
唤醒过去:利用记忆模拟机器人流动唤醒效应
人工智能·微服务·架构·机器人·知识图谱
Elastic 中国社区官方博客3 分钟前
Serverless 中用于负载均衡的 Elasticsearch 副本
大数据·运维·人工智能·elasticsearch·搜索引擎·云原生·serverless
ryrhhhh4 分钟前
从0到1搭建AI流量闭环:矩阵跃动龙虾机器人+GEO的技术选型与实操指南
人工智能·矩阵·机器人
2301_764441336 分钟前
Helios:14B实时长视频生成模型
人工智能·音视频
云蝠呼叫大模型联络中心10 分钟前
金融行业大模型呼叫系统架构与API集成案例
人工智能·金融·系统架构·多智能体协同·voiceagent·云蝠智能·ai agent技术
Tony Bai11 分钟前
【AI 智能体时代的软件工程】11 双态工作台:为何我们需要为 AI 重构 IDE?
ide·人工智能·重构
hf20001211 分钟前
当千亿数据遇上增量计算:拆解云器科技与快手的技术共创——从快手GIC实践,看新一代数据处理范式的真实落地
大数据·人工智能·科技
tobias.b11 分钟前
深度学习 超清晰通俗讲解 + 核心算法 + 使用场景
人工智能·深度学习·算法