2

LSTM 层的输入形状是 (batch_size, timesteps, features)。我目前有一个如下所示的输入：

[0,1,2,3,4,5,6,7,8,9,10]

我使用我的代码来重塑数据，使其看起来像这样

[
[0,1,2,3],
[1,2,3,4],
[2,3,4,5],
[3,4,5,6],
[4,5,6,7],
[5,6,7,8],
[6,7,8,9],
[5,7,8,10]
]

但是，在 Python 中重塑这些数据需要花费大量时间。Keras/Tensorflow 中的 LSTM 模型是否有某种方法可以纯粹从 [0,1,2,3,4,5,6,7,8,9,10] 中学习数据，其中我将时间步长定义为 4 Keras API。我试图寻找这样的选择，但没有找到。

这是我一直在使用的：

numberOfTimesteps = 240
i = 0
lstmFeatures = pd.DataFrame()
while i < features.transpose().shape[0] - numberOfTimesteps:
    temp = features.transpose().iloc[i:i+numberOfTimesteps,:]
    lstmFeatures = lstmFeatures.append(temp)
    if i%100 == 0:
        print(i,end=',')
    i = i + 1

有没有人对如何重塑或如何使用 Keras 有更好的了解？

4

1 回答 1

0

您可以使用tf.gather

import tensorflow as tf

my_data = tf.constant([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
to_take_inds = tf.range(4)[None, :]
to_take_inds = to_take_inds + tf.range(7)[:, None]

reshaped = tf.gather(my_data, to_take_inds)
with tf.Session() as sess:
    print(sess.run(reshaped))

印刷

[[ 1  2  3  4]
 [ 2  3  4  5]
 [ 3  4  5  6]
 [ 4  5  6  7]
 [ 5  6  7  8]
 [ 6  7  8  9]
 [ 7  8  9 10]]
于 2019-06-09T17:41:07.197 回答