使用 LSTM/RNN 预测数字序列

Question

我希望将 RNN 应用于一个相当简单的问题，以便掌握它的工作原理。我遵循了 this example，其中演示了如何使用 LSTM 层来分析输入，现在我想将其用于输出。

我决定尝试训练一个 RNN 来输出作为输入给定的 int 的两倍，直到达到上限。因此，例如，使用此数据：

def doubles(b,cap): 
    seq = [b]
    if b<=0 :
        raise ValueError('Base int must be greater than zero.')
    i = 1
    while seq[-1]<cap:
        seq.append(b*2**i)
        i +=1
    return seq

maxsize = -1
cap = 100
nums = [2,3,4,6,7,8,9,10,11,12]
doubles = []
for base in nums:
    myseq = doubles(base, cap)
    doubles.append(myseq)
    if len(myseq)>=maxsize:
        maxsize = len(myseq) +1

for s in doubles:
    while len(s)<maxsize:
        s.append(-1)
    print(s)


[2, 4, 8, 16, 32, 64, 128, -1]
[3, 6, 12, 24, 48, 96, 192, -1]
[4, 8, 16, 32, 64, 128, -1, -1]
[6, 12, 24, 48, 96, 192, -1, -1]
[7, 14, 28, 56, 112, -1, -1, -1]
[8, 16, 32, 64, 128, -1, -1, -1]
[9, 18, 36, 72, 144, -1, -1, -1]
[10, 20, 40, 80, 160, -1, -1, -1]
[11, 22, 44, 88, 176, -1, -1, -1]
[12, 24, 48, 96, 192, -1, -1, -1]

我想创建一个 keras 模型，它以 nums 作为输入并输出相应的序列，使用 -1 作为 'STOP' 指标，因为我正在寻找输出只有数字。

我试过创建这样的模型：

mymodel = Sequential()

mymodel.add(Input(shape=(4,)))
mymodel.add(Dense(32))
mymodel.add(LSTM(64))

但是它引发了这个错误：

ValueError                                Traceback (most recent call last)
<ipython-input-30-24845ffeabd5> in <module>
      3 mymodel.add(Input(shape=(1,)))
      4 mymodel.add(Dense(32))
----> 5 mymodel.add(LSTM(64))
(...)
ValueError: Input 0 of layer lstm_2 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 32)

它需要哪些额外的维度？我是否错误地使用了这些层来输出“时间序列”？

Answer 1

设法解决了我的问题。我的模型中需要一个 RepeatVector() 层来正确集成 LSTM 部分。我的模型结构现在如下所示：

mymodel = Sequential()

mymodel.add(Input(shape=(1,)))
mymodel.add(Dense(8))
mymodel.add(RepeatVector(8))
mymodel.add(LSTM(8, activation="relu"))

mymodel.compile(loss="MSE", optimizer="adam")
history = mymodel.fit(numpy.array(nums), numpy.array(mydoubles), epochs=4000, verbose=0)

我仍然在摆弄激活函数和优化器，因为我有一些消失的梯度问题，但这是另一个问题 post。

使用 LSTM/RNN 预测数字序列

Using LSTM/RNN to predict a sequence of numbers

python

tensorflow

keras

lstm

recurrent-neural-network