我有10个数组。每个数组代表一个数据点（输入）。数组的形状为(16,3)、(34,3)等。由于LSTM需要3维数据，我重新调整了这10个数组的形状。例如：如果原形状是(16,3)，现在变为(1,16,3)。我尝试将((1,16,3)、(1,34,3)等)作为我的数组形状，换句话说，是将10个数组组合成一个numpy数组，每个数组的形状为(1,something,3)。当我将这10个数组作为一个整体输入时，我得到了以下错误：

检查模型输入时出错：您传递给模型的Numpy数组列表大小与模型期望的不符。预期看到1个数组，但实际上收到了以下10个数组的列表。

但是，如果我只输入其中一个数组和一个标签，程序可以正常运行并过拟合（正如预期）。如果batch_size=1，程序不应该只取这10个样本中的一个来训练吗？

这是我的代码：

import osimport numpy as npfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.layers import LSTMdata = []directory = 'realData'for filename in os.listdir(directory):    data.append(np.load('realData/' + filename))for i in range(len(data)):    data[i] = data[i].reshape(1,data[i].shape[0],3)sad = np.array([[0]] * 2)okay = np.array([[1]] * 3)happy = np.array([[2]] * 2)perfect = np.array([[3]] * 3)labels = np.concatenate([sad,okay,happy,perfect],axis=0)model = Sequential()model.add(LSTM(32, input_shape=(None,3)))model.add(Dense(1))model.compile(loss='binary_crossentropy',              optimizer='adam',              metrics=['accuracy'])print('Train...')    model.fit(data, labels,          batch_size=1,          epochs=15,          validation_data=(data, labels))score, acc = model.evaluate(data, labels, batch_size=1)print('Test score:', score)print('Test accuracy:', acc)

回答：

在训练时，LSTM输入期望得到一个Numpy数组。在这种情况下，您可以将每个数组填充到批次/输入中的最大长度，然后将它们转换为Numpy数组。

import numpy as npdef pad_txt_data(arr):  paded_arr = []  prefered_len = len(max(arr, key=len))  for each_arr in arr:    if len(each_arr) < prefered_len:      print('padding array with zero')      while len(each_arr) < prefered_len:          each_arr.insert(0, np.zeros(3))      paded_arr.append(each_arr)  return np.array(paded_arr)# your_arr = [shape(16, 3), shape(32, 3), . .. .]# 遍历your_arr，准备一个包含所有数组的单一数组，并将此数组传递给填充函数。interm_arr = []def input_prep():  for each_arr in your_arr:    interm_arr.append(each_arr)  final_arr = pad_txt_data(interm_arr)

因此，最终数组将具有形状(input_size, maxlength, features_size)。在这种情况下，如果输入中有10个数组，最终数组的形状将为(10, max_length, 3)。您可以将此作为LSTM的输入。