关于 LSTM 的 3D 输入形状的快速问题

Question

我对 LSTM 的 3D 输入形状很困惑。

根据互联网，它说输入形状是[batchsize, timestep, feature]。

所以如果我有 1000 timesteps * 10 features 的二维数据，我想预测它的未来。

另外，如果我想让LSTM层读取10个时间步，然后预测下一个时间步，即读取t= 1-10，预测t=11.

我的输入形状是 [990,10,10] 还是 [10,990,10]？

提前致谢。

Answer 1

第一个是正确的。这是一个例子：

import tensorflow as tf
import numpy as np

x = np.random.rand(1000, 10)
y = np.random.rand(1000)


def multivariate_data(dataset, target, 
                      start_index, end_index, 
                      history_size, target_size, 
                      step, single_step=False):
  data = []
  labels = []

  start_index = start_index + history_size
  if end_index is None:
    end_index = len(dataset) - target_size

  for i in range(start_index, end_index):
    indices = range(i-history_size, i, step)
    data.append(dataset[indices])

    if single_step:
      labels.append(target[i+target_size])
    else:
      labels.append(target[i:i+target_size])

  return np.array(data), np.array(labels)

x, y = multivariate_data(dataset=x,
                         target=y,
                         start_index=0,
                         end_index=len(x),
                         history_size=10,
                         target_size=1,
                         step=1, single_step=False)

print(x.shape)

(990, 10, 10)

关于 LSTM 的 3D 输入形状的快速问题

Quick question about LSTM's 3D input shape

python

lstm

keras

tensorflow

recurrent-neural-network