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
bulingg1 分钟前
集成模型:gbdt,xgboost,lightgbm,catboost
人工智能·算法·机器学习
Piar1231sdafa16 分钟前
【计算机视觉】YOLO11-DGCST:轴承表面划痕检测新方案
人工智能·计算机视觉
TG:@yunlaoda360 云老大17 分钟前
华为云国际站代理商的UCS主要有什么作用呢?
人工智能·自然语言处理·华为云·云计算
中维ZWPD18 分钟前
打破工业软件分类桎梏:ZWPD的实践探索与创新突破
人工智能·3d·流程图
极客BIM工作室20 分钟前
让AI自动“造房间”:SpatialGen是什么?
人工智能
serve the people20 分钟前
TensorFlow 2.0 手写数字分类教程
人工智能·分类·tensorflow
free-elcmacom20 分钟前
机器学习高阶教程<7>Transformer原理全景解读:从“序列困境”到“注意力革命”
人工智能·python·机器学习·transformer
才思喷涌的小书虫21 分钟前
DINO-X 视觉模板挑战赛火热报名中
人工智能·目标检测·计算机视觉·ai·数据标注·图像标注·模型定制
AI营销实验室22 分钟前
原圈科技AI CRM系统创新模式深度解析,助力工业B2B企业转型
大数据·人工智能·科技
wxl78122724 分钟前
开源AI记忆工具Cognee深度解析:技术优势、部署实践与实测验证
人工智能·congee 0.5版本·ai记忆·替代rag