我有连续数据..


X的输入暗淡都相同
X的序列长度在X中不同


我正在使用LSTM,因此我想为每个x数据(x1x2)调用reset_states。
x1x2是独立的数据,因此在x2之后测试x1时,我必须重置LSTM的历史记录。

我的代码在这里。我应该使用stateful选项吗?

# input dimension is two
# but data length is differenct between x1 and y1
x1 = [[1,2],[3,3],[2,1],[2,4]] # x1 length == 4
y1 = [2,3,2,1]

x2 = [[3,2], [2,1]] # x2 length == 2
y2 = [2,4]

input_dim = 2
max_len = 4 # max(len(x1), len(x2)
max_y = 4 # y -> (1,2,3,4)

trainX = [x1, x2]
trainY = [y1, y2]

m = Sequential()
m.add(LSTM(128,
      input_shape=(max_len, input_dim),
      activation='tanh',
      return_sequences=True))
m.add(TimeDistributed(Dense(max_y, activation='softmax')))
m.compile(...)
m.fit(trainX, trainY, nb_epoch=10)


已编辑

我找到了一个有状态的LSTM示例。但是它在每个时期都调用reset_states()。我想做的是调用每个x
https://github.com/fchollet/keras/blob/aff40d800891799dc9ed765617fcbfa665349d0d/examples/stateful_lstm.py

最佳答案

您引用的链接将fit函数与epochs = 1一起使用。我认为您可以在train_on_batch()回调中使用fit()或使用on_batch_end()函数。这样,您可以在每个x之后重置状态(通过设置适当的批处理大小)。

关于python - 在keras训练期间如何调用reset_states()?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/42826456/

10-12 17:30
查看更多