TensorFlow 不同的输入和 output 状态 LSTM 的形状 model

Question

我想创建一个“顺序”model（您可能已经猜到的时间序列 model），它需要20天的特征大小为2的过去数据，并预测未来1天的特征大小为2 .

我发现您需要为有状态 LSTM model 指定批量大小，因此如果我指定批量大小为32 ，则 model 的最终 output 形状为(32, 2) ，我认为这意味着 model 正在预测未来32天而不是1 .

我将如何修复它 go？

另外，在我解决问题之前询问； 例如，如果我指定批处理大小为32 ，但我想预测形状为(1, 20, 2)的输入，那么 model 会正确预测还是什么，因为我将批处理大小从32更改为1 。 谢谢你。

Answer 1

您不需要指定 batch_size。 但是你应该输入 3-d 张量：

import tensorflow as tf
from tensorflow.keras.layers import Input, LSTM, Dense
from tensorflow.keras import Model, Sequential
features = 2
dim = 128
new_model = Sequential([
  LSTM(dim, stateful=True, return_sequences = True),
  Dense(2)
])

number_of_sequences = 1000
sequence_length = 20
input = tf.random.uniform([number_of_sequences, sequence_length, features], dtype=tf.float32)
output = new_model(input) # shape is (number_of_sequences, sequence_length, features)
predicted = output[:,-1] # shape is (number_of_sequences, 1, features)

(32, 2) 的形状表示您的序列长度为 32。

批量大小是训练的一个参数（在反向传播错误之前应将多少序列馈送到 model - 请参阅随机梯度下降法）。 它不会影响您的数据（应该是 3-d -（序列数、序列长度、特征））。

如果您只需要预测一个序列 - 只需将形状为 (1, 20, 2) 的张量提供给 model。