Keras LSTM层的输入形状应如何显示

时间:2019-04-22 13:39:19

标签: tensorflow keras neural-network lstm recurrent-neural-network

我已经阅读了一段时间有关使用LSTM训练tf.keras模型的知识,其中我确实使用简单的feedforward NN架构使用相同的框架来解决回归问题,并且我非常了解应该如何我为此类模型准备了输入数据,但是当训练LSTM时,我对输入的形状感到非常困惑。

有很多需要注意的地方:time stepsnumber of samplesbatch sizenumber of units等。除了LSTM的许多参数外如以下示例所示,keras尚不清楚的图层:

model.add(keras.layers.LSTM(units=3, batch_input_shape=(8,2,10), return_sequence=True, stateful= True))

所以我有以下外汇数据结构,其中我不知道如何为LSTM模型正确调整其形状。

open | close | high | low | volume | i1 | i2 | i3 | ... | i30 | nextClose

这些功能代表某种货币对的开盘价/收盘价/高价/低价,除了i1-> i30中的交易量和30种不同的指标值外,所有这些功能都对应一个一分钟的刻度。除了nextClose功能,它还代表了我希望能预测的下一个最小tick价收盘价。

问题1:任何人都可以解释一下数据应该如何成形以进行输入的一般概念,以及所有这些必需的参数(时间步长,批量大小...)是什么?

第二季度:在我认为一个简单示例很好的地方,应该如何将我上面的数据结构重塑为LSTM的有效输入?

1 个答案:

答案 0 :(得分:0)

经过大量搜索,我在图表中找到了keras LSTM的出色摘要,它非常有用。在Keras_LSTM_Diagram git存储库中进行检查。