轉自：https://jingyan.baidu.com/article/6b97984dd640b01ca2b0bf95.html

如何為LSTM重新構建輸入資料（Keras）

• 瀏覽：0
• |
• 更新：2017-09-07 12:07

• 1
• 2
• 3
• 4
• 5
• 6
• 7

    對於初入門的開發人員來說，這可能是非常困難的事情為LSTM模型準備序列資料。通常入門的開發者會在有關如何定義LSTM模型的輸入層這件事情上感到困惑。還有關於如何將可能是1D或2D數字矩陣的序列資料轉換可以輸入到LSTM輸入層所需的3D格式的困難。

  在本文中，你將瞭解如何將輸入層定義為LSTM模型，以及如何重新構建可以輸入到LSTM模型的輸入資料。

       看完本文後，你將知道：

1. 如何定義LSTM的輸入層。

2. 如何重塑LSTM模型的一維序列資料並定義輸入層。

3. 如何重塑LSTM模型的多並行系列資料並定義輸入層。

工具/原料

• Keras

方法/步驟

1. 1

   教程概述

          本文分為4部分：

   1. LSTM輸入層。

   2. 具有單輸入樣本的LSTM示例。

   3. 具有多個輸入特徵的LSTM示例。

   4. LSTM輸入提示。

2. 2

   LSTM輸入層

          LSTM輸入層是由神經網路第一個隱藏層上的“input_shape”引數指定的。這可能會讓初學者感到困惑。例如，以下是具有一個隱藏的LSTM層和一個密集輸出層組成的神經網路示例。

   

3.     在這個例子中，我們可以看到LSTM（）層必須指定輸入的形狀。而且每個LSTM層的輸入必須是三維的。這輸入的三個維度是：

   樣品。一個序列是一個樣本。批次由一個或多個樣本組成。

   時間步。一個時間步代表樣本中的一個觀察點。

   特徵。一個特徵是在一個時間步長的觀察得到的。

          這意味著輸入層在擬合模型時以及在做出預測時，對資料的要求必須是3D陣列，即使陣列的特定維度僅包含單個值。

          當定義LSTM網路的輸入層時，網路假設你有一個或多個樣本，並會給你指定時間步長和特徵數量。你可以通過修改“ input_shape ”的引數修改時間步長和特徵數量。例如，下面的模型定義了包含一個或多個樣本，50個時間步長和2個特徵的輸入層。

   

4. 具有單輸入樣本的LSTM示例

          考慮到你可能會有多個時間步驟和一個特徵序列的情況，所以我們先從這種情況講起。例如，這是一個包含10個數字的序列：

   0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0

          我們可以將這個數字序列定義為NumPy陣列。

   

5. 然後，我們可以使用NumPy陣列中的reshape（）函式將這個一維陣列重構為三維陣列，每個時間步長為1個樣本，那麼我們需要10個時間步長和1個特徵。

          在陣列上呼叫的reshape（）函式需要一個引數，它是定義陣列新形狀的元組。我們不能干涉資料的重塑，重塑必須均勻地重組陣列中的資料。

   

6.        一旦重塑，我們可以列印陣列的新形狀。

   

7.        完整的例子如下：

   

8.        執行示例列印單個樣本的新3D形狀：

   

9.        該資料現在可以為input_shape（10，1）的LSTM的輸入（X）。

   

10. 具有多個輸入功能的LSTM示例

           你的模型可能有多個並行資料作為輸入的情況，接下來我們來看看這種情況。

           例如，這可以是兩個並行的10個值：

    series 1: 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0

    series 2: 1.0, 0.9, 0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2, 0.1

           我們可以將這些資料定義為具有10行的2列的矩陣：

    

11. 該資料可以被設定為1個樣本，具有10個時間步長和2個特徵。

           它可以重新整形為3D陣列，如下所示：

    

12.        完整的例子如下：

    
13. 13

      執行示例列印單個樣本的新3D形狀。

    (1, 10, 2)

           該資料現在可以為input_shape（10,2）作為LSTM的輸入（X）使用。

    
14.