Keras'ta bir LSTM var, zaman serileri verisini tahmin etmek için antrenman yapıyorum. Her 15 saniyede yeni bir giriş alacağından, ağın her zaman için tahminler üretmesini istiyorum. Öyleyse, mücadele ettiğim şey, h_0, h_1, ..., h_t çıkışlarının, bir giriş akışı olarak x_0, x_1, ...., x_t aldıkça, sabit bir akış olarak çıkacak şekilde eğitilmesi için doğru yoldur. . Bunu yapmak için en iyi uygulama var mı?Akımlar Keras'ta Tahminlerin Çıktısı
5
A
cevap
4
Sen stateful=True
ayarlayarak LSTM katmanlarında statefulness etkinleştirebilirsiniz. Bu, her layer.call(x)
için sıfırlamak yerine, katmanın önceki çağırma durumunu her zaman kullanmak için katmanın davranışını değiştirir.
Örneğin yığın büyüklüğüne 1, dizi uzunluğu 64 ve özellik uzunluğu 10 ile 32 birimleri olan bir LSTM tabaka: predict
bu arda çağrılar ile
LSTM(32, stateful=True, batch_input_shape=(1,64,10))
önceki durumları kullanır.
Ve böylelikle .reset_states() yeni bir girdi dizisi başlatmanın işlevi olabilir mi? Çok havalı, teşekkürler! – Rob
Yep. Bundan bahsetmeyi unuttum, üzgünüm. – nemo
@nemo Takip eden bir sorum var [burada] (http://stackoverflow.com/questions/38313673/lstm-with-keras-for-mini-batch-training-and-online-testing). Bir göz atmayı düşünür müsün? – BoltzmannBrain