问题标签 [lstm-stateful]

我修改了关于 LSTM 的pytorch 教程（正弦波预测：给定 [0:N] 正弦值 -> [N:2N] 值）以使用 Adam 优化器而不是 LBFGS 优化器。但是，该模型训练不好，无法正确预测正弦波。由于在大多数情况下我们使用 Adam 优化器进行 RNN 训练，我想知道如何解决这个问题。我还想知道关于序列入序列出的代码段（通过循环完成：for input_t in input.split(1, dim=1)）是否可以由 pytorch 模块或函数完成。

ts_x.shape 是 (228,12,1) ts_y.shape 是 (228,1,1) 正如我们在这里看到的，我现在有 228 个样本，但是当我运行它时： ValueError: In a stateful network, you should only pass inputs with a number of samples that can be divided by the batch size. Found: 183 samples. 我想知道为什么它创建了 183 个样本228 个样本？

我有一个依赖于 k 的时间序列数据，我想提取数据的特征以找到输入和输出之间的关系。对于模型的某些参数，输出仅移动到 y 轴，就像我添加的图一样。我想使用一个功能来捕获这些参数。
你能帮我为这样的模型提取特征吗？任何来源或示例将不胜感激

我正在研究一个有状态的 LSTM 来预测股票价格。

这些是我的输入数据的形状：（更新）

这是我的模型初始化：

但是当我适合这个时，我得到了错误：

据我所知，我已经正确定义了 batch_input_shape 并且看不到我做错了什么。

编辑：

一些人建议我尝试让我的样本大小可以被我的批量大小整除。我试过了，得到了同样的错误。

（如上所示，我更新了我的训练和测试大小）

我的新批量大小为 63，数据大小为 10269。10269/63 = 163。这是错误：

我想将一些变量作为初始状态输入 RNN 或 LSTM 层，并将另一个变量作为输入输入神经网络。My Xtrain (20000,6) 是一个时序电子电路瞬态分析输入阵列，它有 20k 个样本和六个变量，Vin,Vc1,Vc2,Vc3,il1,il2。Vin 用于输入，其余五个我想作为初始状态输入，并且每次都成功进入神经网络。Ytrain(20000,1) 是电子电路的输出 Vout。下图可以做一些说明。

但是我不知道这个的语法，我已经挣扎了很多天。我的垃圾代码是，第三行有错误：

错误是这样的：

谢谢！

使用此代码，当我尝试使用 X_test 运行预测时出现错误。错误发生在拟合之后，whiley_pred = model.predict(X_test)被执行。

错误：

在我看来，错误可能与所选的批量大小有关。在我的研究中，我读到样本数量必须能被有状态 LSTM 的批大小整除。于是我搜索了X_train和X_test的样本数的最大公约数，所以GCD(124,784) = 4 = batchsize。但是，现在发生了这个错误，我已经尝试了不同的batchsize，但是又出现了其他错误。有人对此有想法/解决办法吗？