我正在学习使用Keras LSTM模型。我看过this教程,this教程和this教程,不确定对LSTM模型的输入形状的理解。我的问题是,是否像第一个教程(8760、1、8)一样塑造自己的数据,并且一次将数据输入到网络1个时间步,即input_shape =(1,8)使得网络学习了时间依赖性样品之间?
答案 0 :(得分:1)
在使用stateful=True
时,只有1个时间步的批次才有意义。否则,就不会像您想象的那样存在时间依赖性。
区别是:
stateful=False
,input_shape=(1,any)
:
stateful=False
stateful=True
,input_shape=(1,any)
:
model.reset_states()
通常,处理stateful=True
层更为复杂,如果可以像input_shape=(allSteps, any)
那样将整个序列成批放置,则没有理由打开有状态。
如果您想详细了解Keras上的RNN,请see this answer