错误检查时的目标：预期time_distributed_5有3个维度，但得到了与形状阵​​列（14724，1）

Question

试图建立一个单一输出回归模型，但似乎有问题在最后一层

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]) 

我是新来keras ...我收到以下错误

ValueError: Error when checking target: expected time_distributed_5 to have 3 dimensions, but got array with shape (14724, 1)

Answer 1

好吧，我想我找到了一个修复程序 根据 - https://keras.io/layers/wrappers/它说我们正在对每个时间步施加密集层（在我的情况下，我有48个时间步）。所以，我最后一层的输出将是（batch_size时，时间步长，尺寸等）低于：

output = TimeDistributed(Dense(1, activation='linear'))(output) 

会因此尺寸不匹配（，48.1？）。但是，如果我想将其转换为单一的回归结果，我们将不得不压平最终TimeDistributed层

，所以我增加了以下行来解决它：

output = Flatten()(output) 
output = (Dense(1, activation='linear'))(output) 

所以现在timedistributed层变平至49输入（看起来像是一个偏置输入）到最后的密集层到单个输出。

好的，代码工作正常，我得到正确的结果（模型学习）。我唯一的疑问是，如果数学上可以将TimeDistributed图层展平为简单的密集图层以获得如上所述的结果？

Answer 2

你能否提供关于你的问题的背景下，更？测试数据或至少更多的代码。你为什么首先选择这个架构？更简单的架构（只是LSTM）能做到这一点吗？你在倒退什么？用线性激活函数堆叠多个TimeDistributed Dense图层可能不会增加太多的模型。