我在 Keras 中有一个 LSTM，我正在训练它来预测时间序列数据。我希望网络在每个时间步上输出预测，因为它将每 15 秒收到一个新输入。所以我正在努力解决的是训练它的正确方法，以便它在接收 x_0, x_1, ...., x_t 作为输入流时将输出 h_0, h_1, ..., h_t 作为恒定流。有这样做的最佳实践吗？
您可以通过设置在 LSTM 层中启用状态性stateful=True http://keras.io/layers/recurrent/#recurrent。这会将层的行为更改为始终使用该层的先前调用的状态，而不是为每个层重置它layer.call(x).
例如，具有 32 个单元、批量大小为 1、序列长度为 64、特征长度为 10 的 LSTM 层：
LSTM(32, stateful=True, batch_input_shape=(1,64,10))
随着这一系列的呼吁predict将使用之前的状态。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
