我在尝试使用Tensorflow.js创建我的第一个LSTM模型时遇到了问题，我认为主要是形状方面的问题。
假设输入数组为：
X = [ [ 0, 0.0013304822998336796, 0.0015680684248040588, 0.000617723924922986, 0.002708481824661435, 0.0035162746495605024, -0.00009503444998804067, -0.004941791399382223, -0.0030886196246138198, 0.0010928961748635224 ], [ 0, 0.00023727044084842497, -0.0007118113225452749, 0.0013761685569213533, 0.0021828880558061314, -0.0014236226450907719, -0.006263939638399774, -0.00441323019978157, -0.00023727044084842497, 0.0033692402600484783 ], ... ]输出数组为：
Y = [ [ 0.0028556470420255664 ], [ 0.006330620210385884 ], [ -0.0029661016949151797 ], ...]构建张量的方式如下：
const xs = tf.tensor2d(X, [X.length, X[0].length]);const ys = tf.tensor2d(Y, [Y.length, 1]);然后模型及其训练如下：
const model = tf.sequential();model.add(tf.layers.lstm({units: 10, inputShape: [10] }));model.add(tf.layers.dropout({rate: 0.25}));model.add(tf.layers.dense({units: 1 }));model.add(tf.layers.activation({ activation: 'linear' }));model.compile({ optimizer: tf.train.adam(), loss: 'meanAbsoluteError'});model.fit(xs, ys, { batchSize: 4, epochs: 50, callbacks: { onEpochEnd: async (epoch, log) => { console.log("Epoch: ", epoch, " - ", log); } }});一直遇到错误 "Error: Input 0 is incompatible with layer lstm_LSTM1: expected ndim=3, found ndim=2" ….. 尝试更改inputShape为其他值，在训练前没有错误，但在训练时出现不同的错误 "Error when checking input: expected lstm_LSTM1_input to have 3 dimension(s). but got array with shape 168418,10" ….. 所以我认为我的形状设置可能完全错了，哈哈，这是一个我试图从Python迁移到.js的模型，它正是我需要的，但语言不对….. 原始的Python模型是：
def build_lstm_model(input_data, output_size=1, neurons=20, activ_func='linear', dropout=0.25, loss='mae', optimizer='adam'): model = Sequential() model.add(LSTM(neurons, input_shape=( input_data.shape[1], input_data.shape[2]))) model.add(Dropout(dropout)) model.add(Dense(units=output_size)) model.add(Activation(activ_func)) model.compile(loss=loss, optimizer=optimizer)训练代码为：
history = model.fit(X_train, y_train, epochs=50, batch_size=4)在我的情况下，”inputShape” 到底是什么？张量构建的方式是否有误？我遗漏了什么？
谢谢，我真的很期待能让这个模型工作，并理解为什么它不工作。希望能在机器学习领域中实践一番。
回答：
keras.layers.LSTM 的input shape 是（批次大小，时间步长，特征）。如你所见，RNN结构是为处理时间依赖数据设计的，所以如果你的数据不包含时间信息，最好不要使用它。另一方面，如果你的数据确实包含时间信息，那么请确保你的输入形状是一个3D（批次大小 + 时间步长和特征 = 1 + 2）的输入。如果你没有设置批次大小，keras会将其设置为None，这相当于batch size=1，所以不用担心你没有设置它。在你的案例中，你使用了inputShape: [10]，这不是使用keras.layers.LSTM的正确格式。如果你仍然想尝试使用LSTM，请扩展你的输入维度，并且别忘了根据你的更改调整inputShape。
