如何为一个热编码的基于charachter的输入构建Kerras lstm文本生成模型的输入向量

Question

我正在尝试训练Keras lstm模型用于生成potry我将我的数据编码为charachters序列，其中每个charachter是一个热编码。我使用多对一模型，所以我的输入是像这样的二维数组。 [[0,1,0]，[1,0,0]，...，[1,0,0]]每个向量代表一个时间步长，我希望每个lstm单元都有512个字符并且最后一个预测相同的一个热编码矢量与预测下一个charachter。

我应该如何将数据分成批次和时间步？

谢谢

data_gen = TimeseriesGenerator(data, targets,
                               length=n_timesteps,
                               batch_size=n_batches)
model.fit_generator(data_gen ,epochs=100, shuffle=False, callbacks=callbacks_list)

Answer 1

好像你需要在输入上方有一个滑动窗口。 在预测下一个字符之前你会看到多少个字符？为此，utils中有TimeseriesGenerator将你的2d数据转换为3d窗口输入以进行训练。它将为您生成该字符序列的输入和目标。对于更加手动的方法，角色生成在回购中是Keras example。