LSTM 单元的数量和要训练的序列的长度之间是否存在关系？
Is there a relation between the number of LSTM units and the length of the sequence to be trained?
我编写了 keras 神经网络程序来训练序列。在 keras 中选择 LSTM 单元是否取决于序列的长度？
没有固定的方法可以根据您的输入确定您应该拥有多少个单位。
更多的单位是使模型更复杂的一种方式。一般来说，如果您的神经网络的回溯期更长，那么您可以训练的特征更多，这意味着更复杂的模型将更适合学习您的数据。
就个人而言，我喜欢使用每个样本中的时间步数作为我的单位数，并且随着我深入网络，我会减少这个数字。
我在用 LSTM RNN 设计体育博彩预测引擎时遇到了这个问题。
有一条经验法则可以帮助解决监督学习问题。请检查此 link。 Here
但在我看来，目前还没有正确的方法或公式来根据训练数据集计算每层神经元数和隐藏层数。
我编写了 keras 神经网络程序来训练序列。在 keras 中选择 LSTM 单元是否取决于序列的长度？
没有固定的方法可以根据您的输入确定您应该拥有多少个单位。
更多的单位是使模型更复杂的一种方式。一般来说，如果您的神经网络的回溯期更长，那么您可以训练的特征更多，这意味着更复杂的模型将更适合学习您的数据。
就个人而言，我喜欢使用每个样本中的时间步数作为我的单位数，并且随着我深入网络，我会减少这个数字。
我在用 LSTM RNN 设计体育博彩预测引擎时遇到了这个问题。 有一条经验法则可以帮助解决监督学习问题。请检查此 link。 Here
但在我看来，目前还没有正确的方法或公式来根据训练数据集计算每层神经元数和隐藏层数。