Question

我正在尝试为我的Keras lstm模型编写一个生成器。与fit_generator方法一起使用它。我的第一个问题是我的发电机应该返回什么？一批？一个序列？ Keras文档中的示例为每个数据条目返回x，y，但是如果我的数据是连续的呢？我想将它分成几批？

这是为给定输入创建批处理的python方法

def get_batch(data, batch_num, batch_size, seq_length):
    i_start = batch_num*batch_size;
    batch_sequences = []
    batch_labels = []
    batch_chunk = data.iloc[i_start:(i_start+batch_size)+seq_length].values
    for i in range(0, batch_size):
        sequence = batch_chunk[(i_start+i):(i_start+i)+seq_length];
        label = data.iloc[(i_start+i)+seq_length].values;
        batch_labels.append(label)
        batch_sequences.append(sequence)
    return np.array(batch_sequences), np.array(batch_labels);

此方法的输出输出如下：

get_batch(data, batch_num=0, batch_size=2, seq_length=3):

将是：

x = [
      [[1],[2],[3]],
      [[2],[3],[4]]
    ]

以下是我对模特的看法：

model = Sequential()
model.add(LSTM(256, return_sequences=True, input_shape=(seq_length, num_features)))
model.add(Dropout(0.2))
model.add(LSTM(256))
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam')

我的问题是如何将我的方法转换为生成器？

Answer 1

这是一个使用Sequence的解决方案，它就像Keras中的生成器一样：

class MySequence(Sequence):
  def __init__(self, num_batches):
    self.num_batches = num_batches

  def __len__(self):
    return self.num_batches # the length is the number of batches

  def __getitem__(self, batch_id):
    return get_batch(data, batch_id, self.batch_size, seq_length)

我认为这更清洁，不会修改您的原始功能。现在，您将MySequence的实例传递给model.fit_generator。

如何将fit_generator与分成批次的顺序数据一起使用？

1 个答案: