Keras 误解训练数据形状

我的训练数据的形式为 (?,15)，其中？是一个可变长度。

创建模型时我指定了这一点：

inp = Input(shape=(None,15))
conv = Conv1D(32,3,padding='same',activation='relu')(inp)
...

我的训练数据的形状为 (35730,?,15)。

在 python 中检查这个我得到：

X.shape

输出：(35730,)

X[0].shape

输出：(513, 15)

当我尝试将我的模型适合我的训练数据时，我收到 ValueError：

Error when checking input: expected input_1 to have 3 dimensions, but got array with shape (35730, 1)

我只能通过在单个样本上使用 model.train_on_batch() 来训练我的模型。

我该如何解决这个问题？看起来 keras 认为我的输入数据的形状是 (35730, 1)，而实际上是 (35730, ?, 15)

这是 keras 中的错误还是我做错了什么？

如果重要的话，我正在使用张量流后端。这是喀拉拉2

（根据OP对此问题的评论进行编辑，他们发布了此链接：https://github.com/fchollet/keras/issues/1920 https://github.com/fchollet/keras/issues/1920)

Your X不是单个 numpy 数组，而是数组的数组。 （否则它的形状将是X.shape=(35730,513,15).

它必须是单个 numpy 数组fit方法。由于长度可变，因此不能有一个包含所有数据的 numpy 数组，您必须将其分成更小的数组，每个数组包含相同长度的数据。

为此，您可能应该按形状创建字典，并手动循环字典（可能还有其他更好的方法来执行此操作......）：

#code in python 3.5
xByShapes = {}
yByShapes = {}
for itemX,itemY in zip(X,Y):
    if itemX.shape in xByShapes:
        xByShapes[itemX.shape].append(itemX)
        yByShapes[itemX.shape].append(itemY)
    else:
        xByShapes[itemX.shape] = [itemX] #initially a list, because we're going to append items
        yByShapes[itemX.shape] = [itemY]

最后，循环这个字典进行训练：

for shape in xByShapes:
    model.fit(
              np.asarray(xByShapes[shape]), 
              np.asarray(yByShapes[shape]),...
              )

Masking

或者，您可以使用零或一些虚拟值填充数据，使所有样本具有相同的长度。

然后在模型中的任何内容之前，您可以添加一个Masking将忽略这些填充段的层。 （警告：某些类型的图层不支持遮罩）