Я получаю следующую ошибку:

RuntimeError: input must have 3 dimensions, got 2

У меня есть колонка с одним признаком, которую я пытаюсь ввести в нейронную сеть GRU.

Ниже представлены мой загрузчик данных и нейронная сеть. Я также включил вывод моего загрузчика данных, когда я получаю пакет данных.

Что я делаю не так???

def batch_data(feature1, sequence_length, batch_size):
“”"
Batch the neural network data using DataLoader
:param feature1: the single feature column
:param sequence_length: The sequence length of each batch
:param batch_size: The size of each batch; the number of sequences in a batch
:return: DataLoader with batched data
“”"
    # total number of batches we can make
    n_batches = len(feature1)//batch_size

    # Keep only enough characters to make full batches
    feature1= feature1[:n_batches * batch_size]

    y_len = len(feature1) - sequence_length

    x, y = [], []
    for idx in range(0, y_len):
        idx_end = sequence_length + idx
        x_batch = feature1[idx:idx_end]
        x.append(x_batch)
        # only making predictions after the last item in the batch
        batch_y = feature1[idx_end]    
        y.append(batch_y)    

    # create tensor datasets
    data = TensorDataset(torch.from_numpy(np.asarray(x)), torch.from_numpy(np.asarray(y)))

    data_loader = DataLoader(data, shuffle=False, batch_size=batch_size)

    # return a dataloader
    return data_loader



# test dataloader on subset of actual data

test_text = data_subset_b
t_loader = batch_data(test_text, sequence_length=5, batch_size=10)
 
data_iter = iter(t_loader)
sample_x, sample_y = data_iter.next()
 
print(sample_x.shape)
print(sample_x)
print()
print(sample_y.shape)
print(sample_y)

Когда я передаю данные, генерируется следующий пакет...

torch.Size([10, 5])
tensor([[ 0.0045, 0.0040, -0.0008, 0.0005, -0.0012],
[ 0.0040, -0.0008, 0.0005, -0.0012, 0.0000],
[-0.0008, 0.0005, -0.0012, 0.0000, -0.0015],
[ 0.0005, -0.0012, 0.0000, -0.0015, 0.0008],
[-0.0012, 0.0000, -0.0015, 0.0008, 0.0000],
[ 0.0000, -0.0015, 0.0008, 0.0000, 0.0000],
[-0.0015, 0.0008, 0.0000, 0.0000, -0.0008],
[ 0.0008, 0.0000, 0.0000, -0.0008, -0.0039],
[ 0.0000, 0.0000, -0.0008, -0.0039, -0.0026],
[ 0.0000, -0.0008, -0.0039, -0.0026, -0.0082]], dtype=torch.float64)

torch.Size([10])
tensor([ 0.0000, -0.0015, 0.0008, 0.0000, 0.0000, -0.0008, -0.0039, -0.0026,
-0.0082, 0.0078], dtype=torch.float64)

Ответы (2)

Как следует из полученной вами ошибки, форма входного тензора, ожидаемая GRU, является трехмерной с формой (batch_size, seq_len, input_size)1

.

Но вы подаете тензор формы (10, 5). Вы сказали, что на входе у вас одно значение признака, поэтому вам следует добавить измерение для input_size размером 1. Это можно сделать следующим образом

sample_x.unsqueeze(-1)

На самом деле ошибка сама говорит вам о проблеме. Класс RNN, который является суперклассом GRU, ожидает входную форму с:

 (#batch,#number_of_timesteps,#number_of_features)

Так, в вашем случае у вас есть 1 функция, 5 временных интервалов. В вашем даталоадере вам нужно расширить X до (#batch,5,1).

2022 WebDevInsider