我试图使用Keras文档中描述的示例，名为“用于序列分类的堆叠LSTM”（见下面的代码），但无法理解在我的数据背景下input_shape参数的用法。
我的输入是一个矩阵，包含25个可能字符的序列，这些字符被编码为整数，并填充到最大长度31。因此，我的x_train的形状是(1085420, 31)，这意味着(n_observations, sequence_length)。
from keras.models import Sequentialfrom keras.layers import LSTM, Denseimport numpy as npdata_dim = 16timesteps = 8num_classes = 10# expected input data shape: (batch_size, timesteps, data_dim)model = Sequential()model.add(LSTM(32, return_sequences=True, input_shape=(timesteps, data_dim))) # returns a sequence of vectors of dimension 32model.add(LSTM(32, return_sequences=True)) # returns a sequence of vectors of dimension 32model.add(LSTM(32)) # return a single vector of dimension 32model.add(Dense(10, activation='softmax'))model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])# Generate dummy training datax_train = np.random.random((1000, timesteps, data_dim))y_train = np.random.random((1000, num_classes))# Generate dummy validation datax_val = np.random.random((100, timesteps, data_dim))y_val = np.random.random((100, num_classes))model.fit(x_train, y_train, batch_size=64, epochs=5, validation_data=(x_val, y_val))在这个代码中，x_train的形状是(1000, 8, 16)，表示1000个包含8个包含16个元素的数组的数组。我完全不知道这些是什么以及我的数据如何达到这种形状。
查看了Keras文档和各种教程以及问答，我似乎遗漏了一些显而易见的东西。有人能给我一些提示，让我知道该寻找什么吗？
谢谢你的帮助！
回答：
因此，输入到LSTM的数据应该具有(nb_of_samples, seq_len, features)的形状。在你的情况下——由于你的特征向量仅包含一个整数——你应该调整你的X_train的形状为(1085420, 31, 1)。由于这种表示不适合神经网络，你应该选择以下一种方式：
-
将你的表示改为独热编码——然后你的输出形状应该是
(1085420, 31, 25)。 -
使用
Embedding层，并保持(1085420, 31)的形状。
