Question

我正在尝试训练Keras LSTM模型以预测序列中的下一个数字。

我的模型下面有什么问题，如何在模型未学习时进行调试
如何决定使用哪种图层类型
在编译时

我的输入训练数据有形状（16000,10），如下所示

hdf5

相应的输出训练数据具有如下形状（16000,1）

[
    [14955 14956 14957 14958 14959 14960 14961 14962 14963 14964]
    [14731 14732 14733 14734 14735 14736 14737 14738 14739 14740]
    [35821 35822 35823 35824 35825 35826 35827 35828 35829 35830]
    [12379 12380 12381 12382 12383 12384 12385 12386 12387 12388]
    ...
]

由于LSTM抱怨，我改编了培训/测试数据

[[14965] [14741] [35831] [12389] ...]

这是最终的培训/测试数据形状

X_train = X_train.reshape(X_train.shape[0], X_train.shape[1], 1)
X_test = X_test.reshape(X_test.shape[0], X_test.shape[1], 1)

这是我的模特

Total Samples: 20000
X_train: (16000, 10, 1)
y_train: (16000, 1)
X_test: (4000, 10, 1)
y_test: (4000, 1)

这是我的输出

# Model configuration
epochs = 2
batch_size = 32
hidden_neurons = 100
output_size = 1

# Create the model
model = Sequential()
model.add(LSTM(hidden_neurons, input_shape=(X_train.shape[1], X_train.shape[2])))
model.add(Dense(output_size))
model.compile(loss='mean_squared_error', optimizer='rmsprop', metrics=['accuracy'])
print(model.summary())
model.fit(X_train, y_train, epochs=epochs, batch_size=batch_size)

scores = model.evaluate(X_test, y_test, batch_size=batch_size, verbose=0)
print("Model Accuracy: %.2f%%" % (scores[1]*100))

Answer 1

试试这段代码：

Node - 172.28.1.100
ERROR:
Description = Access is denied.

一般来说，很难帮助你，因为我们需要一种可以重复的例子来测试。但是，这是我的建议：

使用您的NN的超级参数，例如：激活功能，选择功能，层数，学习率等。

更新：

最好先规范化数据。

Answer 2

准确性不是衡量模型性能的正确方法。与分类任务相比，您在此处尝试执行的操作更多是回归任务。从你的损失函数中可以看出同样的情况，你正在使用＆＃39; mean_squared_error ＆＃39;而不是类似＆＃39; categorical_crossentropy ＆＃39;。

此外，50个时期太少于训练时间。如果您查看日志（在原始问题中），您会看到每个时期的损失减少。你将需要继续训练更多的时代，直到你看到损失已经稳定并且没有进一步减少。

第三，在将数据传递给fit函数之前，您必须对数据进行规范化。这些值非常大，如果没有标准化，算法可能无法收敛。

如果您仍然需要解决此问题，并需要更多帮助，请在评论中告诉我，以便我可以帮助您完成代码。

Keras模型预测数字序列

2 个答案: