Keras的LSTM的时间表是什么？

Question

我在Keras中实施LSTM遇到了一些麻烦。

我的训练集的结构如下：

• 序列数：5358
• 每个序列的长度为300
• 序列的每个元素都是54个特征的向量

我不确定如何为有状态LSTM调整输入。

在本教程http://philipperemy.github.io/keras-stateful-lstm/之后，我创建了子序列（在我的情况下，有1452018个子序列，window_size = 30）。

为状态LSTM的输入重塑数据的最佳选择是什么？

在这种情况下，输入的时间步是什么意思？为什么呢？

batch_size是否与时间步长有关？

Answer 1

  

我不确定如何为有状态LSTM调整输入。

LSTM(100, statefull=True)

但是在使用有状态LSTM之前，请问自己我是否真的需要statefull LSTM？有关更多详细信息，请参见here和here。

  

重塑状态LSTM数据的最佳选择是什么   输入吗？

这实际上取决于手上的问题。但是，我认为您不需要重塑就可以直接将数据直接输入到Keras：

input_layer = Input(shape=(300, 54))

  

在这种情况下，输入的时间步是什么意思？为什么呢？

在您的示例中，时间戳为300。有关时间戳的更多详细信息，请参见here。在下图中，我们有5个时间戳，它们将它们输入到LSTM网络中。

  

batch_size是否与时间步长有关？

否，与batch_size无关。可以在here中找到有关batch_size的更多详细信息。

---

这是基于您提供的描述的简单代码。它可能会给您一些直觉：

import numpy as np
from tensorflow.python.keras import Input, Model
from tensorflow.python.keras.layers import LSTM
from tensorflow.python.layers.core import Dense

x_train = np.zeros(shape=(5358, 300, 54))
y_train = np.zeros(shape=(5358, 1))

input_layer = Input(shape=(300, 54))
lstm = LSTM(100)(input_layer)
dense1 = Dense(20, activation='relu')(lstm)
dense2 = Dense(1, activation='sigmoid')(dense1)

model = Model(inputs=input_layer, ouputs=dense2)
model.compile("adam", loss='binary_crossentropy')
model.fit(x_train, y_train, batch_size=512)