Question

我有1025643个条目和72个功能/属性的测试数据。我训练了一个带有输入数据trainX的lstm，其形状为（245,30,72），trainY为shape（245，）。另请注意，我指定回溯是30步，因此（245,30,72）trainX的形状。

如果我做了

，那么在训练模型之后

model.output_shape

输出结果为：

（无，1）

据我所知，它将为测试集提供一步预测。但我希望它是30行预测，每个未来步骤一个，对于测试集中的每一行（如输出应该在我的情况下具有形状（1025643,30,1））。我需要对数据形状进行哪些更改？我正在使用keras lstm和tensorflow后端和python 3.6。

我的模型的代码是：

model = Sequential()
model.add(LSTM(100, return_sequences=True, input_shape = (trainX.shape[1], trainX.shape[2])))
model.add(LSTM(100, return_sequences = False))
model.add(Dense(1, activation='linear'))

model.compile(loss='mse', optimizer='adam')

model.fit(trainX, trainY, epochs=50, shuffle=False, verbose=1)

Answer 1

最后一个LSTM图层上的$flags = Item::with('reportedItem')->find($item_id);参数导致LSTM仅在所有30个时间步之后返回输出。如果您想要30个输出（每个时间步之后一个），请在最后一个LSTM图层上使用return_sequences=False，这将导致输出形状为return_sequences=True。

有关Keras中LSTM的更详细说明，请参阅here。

lstm模型的Output_shape

1 个答案: