我有一些训练数据x_train
以及一些相应的标签x_train
called y_train
。这是如何x_train
and y_train
构造:
train_x = np.array([np.random.rand(1, 1000)[0] for i in range(10000)])
train_y = (np.random.randint(1,150,10000))
train_x
有 10000 行,每行 1000 列。train_y
train_x 中的每个样本都有一个介于 1 到 150 之间的标签,并表示每个 train_x 样本的代码。
我还有一个名为 Sample 的样本,它有 1 行 1000 列,我想用它来对此 LSTM 模型进行预测。该变量定义为
sample = np.random.rand(1,1000)[0]
我正在尝试使用 Keras 在此数据上训练和预测 LSTM。我想获取这个特征向量并使用这个 LSTM 来预测 1 到 150 范围内的代码之一。我知道这些是随机数组,但我无法发布我拥有的数据。我已经尝试了以下我认为应该有效的方法,但遇到了一些问题
model = Sequential()
model.add(LSTM(output_dim = 32, input_length = 10000, input_dim = 1000,return_sequences=True))
model.add(Dense(150, activation='relu'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
history = model.fit(train_x, train_y,
batch_size=128, nb_epoch=1,
verbose = 1)
model.predict(sample)
对此管道的任何帮助或调整都会很棒。我不确定是否output_dim
是正确的。我想在 1000 维数据的每个样本上通过训练 LSTM,然后重现 1 到 150 范围内的特定代码。谢谢。