Output_shape 的 lstm 模型

Question

我的测试数据有1025643条，72条features/attributes。我已经使用形状为 (245, 30, 72) 的输入数据 trainX 和形状为 (245, ) 的 trainY 训练了一个 lstm。另请注意，我已将回溯指定为 30 步后退，因此 trainX 的形状为 (245, 30, 72)。

训练模型后，如果我这样做

model.output_shape

输出为：

(None, 1)

我的理解是它会对测试集给出一步预测。但我希望它是 30 行预测，一个用于每个未来步骤，一个用于测试集中的每一行（就像我的情况下输出的形状应该是 (1025643, 30, 1)）。我需要对数据形状进行哪些更改？我正在使用带有 tensorflow 后端和 python 3.6.

的 keras lstm

我的模型代码是：

model = Sequential()
model.add(LSTM(100, return_sequences=True, input_shape = (trainX.shape[1], trainX.shape[2])))
model.add(LSTM(100, return_sequences = False))
model.add(Dense(1, activation='linear'))

model.compile(loss='mse', optimizer='adam')

model.fit(trainX, trainY, epochs=50, shuffle=False, verbose=1)

Answer 1

最后一个 LSTM 层的 return_sequences=False 参数导致 LSTM 在所有 30 个时间步后仅 return 输出。如果您想要 30 个输出（每个时间步后一个），请在最后一个 LSTM 层上使用 return_sequences=True，这将导致输出形状为 (None, 30, 1).

有关 Keras 中 LSTM 的更详细说明，请参阅 here。

Output_shape 的 lstm 模型

Output_shape of lstm model

time-series

forecasting

python-3.x

lstm

keras