Keras/Python - 如果 RNN 是有状态的，则必须提供完整的input_shape(包括批量大小)

Question

我正在尝试实现一个有状态的RNN，但是它一直要求我提供"完整的input_shape（包括批量大小）"。所以我为input_shape和input_batch_size论点尝试了不同的东西，但似乎都不起作用。

法典：

model=Sequential()
model.add(SimpleRNN(init='uniform',
  output_dim=80,
  input_dim=len(pred_frame.columns),
  stateful=True,
  batch_input_shape=(len(pred_frame.index),len(pred_frame.columns)),
  input_shape=(len(pred_frame.index),len(pred_frame.columns))))
model.add(Dense(output_dim=200,input_dim=len(pred_frame.columns),init="glorot_uniform"))
model.add(Dense(output_dim=1))
model.compile(loss="mse", class_mode='scalar', optimizer="sgd")
model.fit(X=predictor_train, y=target_train,
  batch_size=len(pred_frame.index),show_accuracy=True)

追踪：

File "/Users/file.py", line 1483, in Pred
model.add(SimpleRNN(init='uniform',output_dim=80,input_dim=len(pred_frame.columns),stateful=True,batch_input_shape=(len(pred_frame.index),len(pred_frame.columns)),input_shape=(len(pred_frame.index),len(pred_frame.columns))))
File "/Library/Python/2.7/site-packages/keras/layers/recurrent.py", line 194, in __init__
super(SimpleRNN, self).__init__(**kwargs)
File "/Library/Python/2.7/site-packages/keras/layers/recurrent.py", line 97, in __init__
super(Recurrent, self).__init__(**kwargs)
File "/Library/Python/2.7/site-packages/keras/layers/core.py", line 43, in __init__
self.set_input_shape((None,) + tuple(kwargs['input_shape']))
File "/Library/Python/2.7/site-packages/keras/layers/core.py", line 141, in set_input_shape
self.build()
File "/Library/Python/2.7/site-packages/keras/layers/recurrent.py", line 199, in build
self.reset_states()
File "/Library/Python/2.7/site-packages/keras/layers/recurrent.py", line 221, in reset_states
'(including batch size).')
Exception: If a RNN is stateful, a complete input_shape must be provided (including batch size).

Answer 1

只需要提供 batch_input_shape= 参数，而不是 input_shape 参数。 此外，为避免输入形状错误，请确保训练数据大小是batch_size的倍数。 最后，如果使用验证拆分，则必须确保两个拆分也是batch_size的倍数。

# ensure data size is a multiple of batch_size
data_size=data_size-data_size%batch_size
# ensure validation splits are multiples of batch_size
increment=float(batch_size)/len(data_size)
val_split=float(int(val_split/(increment))) * increment

Answer 2

在 SimpleRNN 的定义中，删除input_dim并input_shape，设置：

batch_input_shape = (Number_Of_sequences, Size_Of_Each_Sequence,
                     Shape_Of_Element_In_Each_Sequence) 

batch_input_shape应该是长度至少为 3 的元组。

如果逐个传递序列，请设置：

Number_Of_sequences = 1

如果序列的大小不是固定的，请设置：

Size_Of_Each_Sequence = None