这是我第一次询问StackOverflow。如果我的英语有任何问题，请原谅我。谢谢
我正在做一个使用LSTM对ECG序列进行分类的项目。我正在使用PTB database。有几对ECG记录约38s，38000个数据点（采样率1kHz）。下采样后，我得到了具有250Hz采样率的新序列以减少数据。我已经阅读了一些论文和教程，指出Basic LSTM不能完美地处理长序列依赖关系（超过400个时间步长）。因此，我决定使用有状态LSTM。但是有一个问题使我非常困惑。
一个完整的ECG序列包含38个（分段样本）x250（每个样本大小（1秒）），但是此序列共享相同的label，例如心肌梗塞。
训练模型时如何定义train_y？
我应该手动在完整序列的每一端调用model.reset_states()，例如在38个样本之后？还是有另一种方式可以帮助您？
如果有人可以帮助我，我将不胜感激！
如果有没有完全解释的内容，请Plese纠正我。谢谢！
答案 0 :(得分：0)
仅在遇到RAM问题时才需要True。
在stateful=False情况下：
您的X_train的形状应类似于(patients, 38000, variables)。或者，在降采样的情况下：(patients, 9500, variables)。
您的y_train的形状应类似于(patients, classes)。
如果numpy阵列和PC出现RAM问题，请转到stateful=True情况。但是，如果这是GPU的OOM分配，那么您可以先尝试使用较小的批处理大小
在stateful=True情况下：
这确实是一个非常好的问题...
在您的情况下，如果您保留足够长的序列，则该类在每个段中都应该引人注目，但是如果您确实需要整个ECG来检测问题，则此方法可能不是很好，我不会目前还不知道另一种方法。
对于这种方法，X_train应该是(patients * 38, 250, variables)。
对于y_train，您将需要为每个段重复这些类：(patients * 38, classes)。
拟合时，必须记住设置shuffle=False。
数据的组织应为：
[
patient 1 - segment 1
patient 2 - segment 1
patient 3 - segment 1
...
patient n - segment 1
------------------
patient 1 - segment 2
patient 2 - segment 2
...
--------------------
patient 1 - segment 38
patient 2 - segment 38
...
patient n - segment 38
]
每个时期都使用reset_states()。