Question

我有两个数据集，两个都有很多行，对于第一个数据集中的每一行，第二个数据集中的10列（提取的特征）我有18列（提取的特征）。现在我想训练一个具有两个数据集但具有不同input_size（列）的递归神经网络（在Keras中）。这是我的代码：

time_steps = 1  # the height of the image
input_size = 10  # extracted features dataset 1
BATCH_SIZE = 1
num_class = 7 
model = Sequential()

# RNN cell
model.add(LSTM(batch_input_shape=(BATCH_SIZE, time_steps, input_size), 
units=n_hidden_units, recurrent_dropout=0.3,
               activation='tanh', recurrent_activation='hard_sigmoid'))
# output layer
model.add(Dense(num_class))
model.add(Activation('softmax'))

# optimizer
# adam = Adam(LR)

# compile model
model.compile(optimizer='nadam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

model.fit(data, target, epochs=25, batch_size=1, verbose=False)

prediction = model.predict_classes(data_test, batch_size=1)

以上代码仅适用于第一个数据集，以及如何看待input_size=10等于数据集1的要素数。

我的问题是我该怎么办，如果我想训练一个像input_size变量那样的Recurrent？

Answer 1

在训练之前将所有序列填充到相同的长度。使用零填充。

可变输入Keras中的回归神经网络

1 个答案: