生成有状态LSTM时出现InvalidArgumentError

Question

我正在开发一个有状态的LSTM来预测股价。

以下是我输入数据的形状：(更新(

x_train = (10269, 300, 89)
y_train = (10269, 1)
x_test = (4401, 300, 89)
y_test = (4401, 1)

这是我的模型初始化：

batch_size = 63
timesteps = x_train.shape[1]
data_dim = x_train.shape[2]
model = Sequential()
model.add(LSTM(32, return_sequences=True, batch_input_shape=(batch_size, timesteps, data_dim), stateful=True))
model.add(LSTM(32, return_sequences=True, stateful=True))
model.add(LSTM(32, stateful=True))
model.add(Dense(1))
model.compile(optimizer = 'adam', loss = 'mean_squared_error')

但当我适应这个时，我会得到错误：

InvalidArgumentError:    Specified a list with shape [64,89] from a tensor with shape [29,89]
[[{{node TensorArrayUnstack/TensorListFromTensor}}]]
[[sequential/lstm/PartitionedCall]] [Op:__inference_train_function_6536]

据我所知，我已经正确地定义了batch_input_shape，没有发现我做错了什么。

编辑：

一些人建议我试着让我的样本量可以被我的批量大小整除。我试过了，但还是犯了同样的错误。

(如上所述，我更新了我的列车和测试尺寸(

我的新批量大小是63，数据大小是10269。10269/63=163。这就是错误：

InvalidArgumentError:    Specified a list with shape [63,89] from a tensor with shape [54,89]
[[{{node TensorArrayUnstack/TensorListFromTensor}}]]
[[sequential_1/lstm_3/PartitionedCall]] [Op:__inference_test_function_20179]

Answer 1

这个问题与stateful参数有关。当使用它时，样本的数量应该可以被样本的数量整除。

在你的情况下，你有3697个样本，不能被64整除。

所以你可以去掉49个样本，只取3648个样本，因为3648可以被64整除。

验证数据的样本数量也是如此。你必须把它改成一个可以被批量大小整除的数字。

其次，使用：model.fit(x_train, y_train, batch_size=batch_size,validation_data=(x_val,y_val))

如果你不想从数据集中删除任何样本，你可以使用数据生成器，如所示

Answer 2

使用有状态LSTM时，您的输入必须可以被批次大小整除。

在您的情况下，3697 // 64不是整数。

由于3697是一个素数，您需要删除一个样本，使您的输入大小为3696。当你有3696个样本时，根据(型号定义保持不变(更改为代码：

batch_size = 33 # some number that divides your samples evenly.
timesteps = x_train.shape[1]
data_dim = x_train.shape[2]
model.fit(x_train, y_train, batch_size = batch_size, ...)