输入必须有3个维度，在创建LSTM分类器时出现2个错误

Question

网络结构必须如下所示：

（lstm）：lstm（1,64，批次_first=True）

（fc1）：线性（输入特征=64，输出特征=32，偏差=真）

（relu）：relu（）

（fc2）：线性（输入特征=32，输出特征=5，偏差=真）

我写了这段代码：

class LSTMClassifier(nn.Module):

    def __init__(self):
        super(LSTMClassifier, self).__init__() 
        self.lstm = nn.LSTM(1, 64, batch_first=True)
        self.fc1 = nn.Linear(in_features=64, out_features=32, bias=True)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(in_features=32, out_features=5, bias=True)
         

    def forward(self, x):
       x = torch.tanh(self.lstm(x)[0])
       x = self.fc1(x)
       x = F.relu(x)
       x = self.fc2(x)

这是为了测试：

    (batch_data, batch_label) = next (iter (train_loader))
    model = LSTMClassifier().to(device)
    output = model (batch_data.to(device)).cpu()
    assert output.shape == (batch_size, 5)
    print ("passed")

错误是：

----->；3输出=型号（批处理数据到（设备））.cpu（）

5帧 /检查输入中的usr/local/lib/python3.7/dist-packages/torch/nn/modules/rnn.py（自身、输入、批量大小） 201引发运行时错误( 202'输入必须有{}个维度，得到{}'。格式( -->；203预期的输入尺寸，input.dim（）） 204如果自输入大小！=输入。大小（-1）： 205提升运行时错误（

运行时错误：输入必须有3个维度，得到2个维度

我有什么问题

Answer 1

LSTM支持三维输入（示例、时间步长、功能）。您需要将输入从二维转换为三维。为此，您可以：

使用整形功能

首先，您需要使用batch_data.shape获得2D输入的形状。让我们假设2D输入的形状为(15, 4)。 现在，要将输入从2D重塑为3D，请使用重塑函数np.reshape(data, new_shape)

    (batch_data, batch_label) = next (iter (train_loader))
    batch_data = np.reshape(batch_data, (15, 4, 1)) # line to add
    model = LSTMClassifier().to(device)
    output = model (batch_data.to(device)).cpu()
    assert output.shape == (batch_size, 5)
    print ("passed")

稍后，还需要将测试数据从二维重塑为三维

添加RepeatVector层

这一层是在Keras中实现的，我不确定它是否在PyTorch中可用，这就是您的情况。 该层为数据添加了一个额外维度（重复输入n次）。例如，您可以将2D输入(batch size, input size)转换为3D输入(batch_size, sequence_length, input size)