LSTM的神经元数量

Question

有5个输入要素由true / false表示，彼此独立

train_X = [[TRUE，TRUE，FALSE，FALSE，FALSE]]

train_X = train_X.reshape（（train_X.shape [0]，1，train_X.shape [1]））

预期输出5真/假输出彼此独立

[[TRUE，FALSE，TRUE，FALSE，FALSE]]

是否低于定义培训模型的正确方法？输入5，输出5？

model = Sequential()
model.add(LSTM(5, input_shape=(train_X.shape[1], train_X.shape[2])   ))
model.add(Dense(5, activation='relu'))
model.compile(loss = 'binary_crossentropy', optimizer='adam')

Answer 1

这里：

model = Sequential()
model.add(LSTM(any, stateful = True, input_shape=(1, 5) ))
model.add(Dense(5, activation='sigmoid'))
model.compile(loss = 'binary_crossentropy', optimizer='adam')

当逐步进行时，您的输入形状(batch, steps, features)应该只考虑一个步骤。 （在图层中定义输入形状时，将忽略批处理）。

stateful=True是必要的，因为您希望模型考虑您提供的每个批次仍然是相同的序列，而不是新序列。

sigmoid激活是最小值= 0且最大值= 1（适用于真/假）的激活。

只有输入和输出必须具有5个功能。内部图层可以具有您想要的任何大小。