Keras定义LSTM网络参数有报错

最新推荐文章于 2023-12-16 11:28:22 发布

原创最新推荐文章于 2023-12-16 11:28:22 发布

· 1.3k 阅读

2 ·

版权

文章标签：

#Keras #LSTM #LSTM参数报错 #LSTM() got an unexpected keyword ar

深度学习专栏收录该内容

8 篇文章

订阅专栏

本文分享了在使用Keras构建LSTM网络时遇到的参数错误问题及解决方案。作者最初因函数命名与源代码冲突导致报错，通过更改函数名并调整参数格式成功解决了问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天用Keras写了个LSTM网络，认真按照官方文档写的，但是无论如何都是报参数有错误，原本的写法如下

def LSTM():
    data_dim = 95
    timesteps = 1
    # input_dim是输入的train_x的最后一个维度，train_x的维度为(n_samples, time_steps, input_dim)
    model_1 = Sequential()
    model_1.add(LSTM(input_dim=95 ,output_dim=256,return_sequences=False))
#     model_1.add(LSTM(512, input_shape=(timesteps,data_dim), return_sequences=False))
    model_1.add(Dense(units=512))
    model_1.add(Activation('sigmoid'))
    model_1.add(Dense(units=256))
    model_1.add(Activation('softmax'))
    model_1.compile(loss='categorical_crossentropy', optimizer=rms, metrics=['accuracy'])
    return model_1

不管怎么换model.add(LSTM())里面参数的格式都是不行，总是报错参数有问题。经过仔细排查后发现，应该是我定义函数的名称有问题（估计），和源代码的函数有冲突了，所以我将LSTM的函数名改成了这样

def self_lstm():
    data_dim = 95
    timesteps = 1
    # input_dim是输入的train_x的最后一个维度，train_x的维度为(n_samples, time_steps, input_dim)
    model_1 = Sequential()
#     model_1.add(LSTM())
    model_1.add(LSTM(input_dim=95 ,output_dim=256,return_sequences=False))

#     model_1.add(LSTM(512, input_shape=(timesteps,data_dim), return_sequences=False))
    model_1.add(Dense(units=512))
    model_1.add(Activation('sigmoid'))
    model_1.add(Dense(units=256))
    model_1.add(Activation('softmax'))
    model_1.compile(loss='categorical_crossentropy', optimizer=rms, metrics=['accuracy'])
    return model_1