在 Keras 中,RNN 层期望输入是正确的(nb_samples, time_steps, input_dim)
。但是,如果您想在 Dense 层之后添加 RNN 层,您仍然可以在重塑 RNN 层的输入后执行此操作。 Reshape 既可以用作顺序模型中的第一层,也可以用作中间层。举例如下:
重塑为顺序模型中的第一层
model = Sequential()
model.add(Reshape((3, 4), input_shape=(12,)))
# now: model.output_shape == (None, 3, 4)
# note: `None` is the batch dimension
重塑作为顺序模型中的中间层
model.add(Reshape((6, 2)))
# now: model.output_shape == (None, 6, 2)
例如,如果您按以下方式更改代码,则不会出现错误。我已经检查过,编译的模型没有报告任何错误。您可以根据需要更改尺寸。
from keras.models import Sequential
from keras.layers import Dense, SimpleRNN, Reshape
from keras.optimizers import Adam
model = Sequential()
model.add(Dense(150, input_dim=23,init='normal',activation='relu'))
model.add(Dense(80,activation='relu',init='normal'))
model.add(Reshape((1, 80)))
model.add(SimpleRNN(2,init='normal'))
adam = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08)
model.compile(loss="mean_squared_error", optimizer="rmsprop")