Keras 中预测的流输出
Stream Output of Predictions in Keras
我在 Keras 中有一个 LSTM，我正在训练它来预测时间序列数据。我希望网络在每个时间步输出预测，因为它每 15 秒接收一次新输入。所以我正在努力的是训练它的正确方法，以便它输出 h_0、h_1、...、h_t，作为接收 [=18] 的恒定流=], x_1, ...., x_t 作为输入流。有这样做的最佳实践吗？
您可以通过设置 stateful=True 在 LSTM 层中启用状态。这将层的行为更改为始终使用层的先前调用的状态，而不是为每个 layer.call(x).
重置它
例如，一个 LSTM 层有 32 个单元，批量大小为 1，序列长度为 64，特征长度为 10：
LSTM(32, stateful=True, batch_input_shape=(1,64,10))
随着 predict 的连续调用，将使用之前的状态。
我在 Keras 中有一个 LSTM，我正在训练它来预测时间序列数据。我希望网络在每个时间步输出预测，因为它每 15 秒接收一次新输入。所以我正在努力的是训练它的正确方法，以便它输出 h_0、h_1、...、h_t，作为接收 [=18] 的恒定流=], x_1, ...., x_t 作为输入流。有这样做的最佳实践吗？
您可以通过设置 stateful=True 在 LSTM 层中启用状态。这将层的行为更改为始终使用层的先前调用的状态，而不是为每个 layer.call(x).
例如，一个 LSTM 层有 32 个单元，批量大小为 1，序列长度为 64，特征长度为 10：
LSTM(32, stateful=True, batch_input_shape=(1,64,10))
随着 predict 的连续调用，将使用之前的状态。