整形Keras输入为LSTM

Question

我有两个ndarrays，输入和结果，二者由多个阵列看起来像这样：

inputs = [ 
    [[1,2],[2,2],[3,2]], 
    [[2,1],[1,2],[2,3]], 
    [[2,2],[1,1],[3,3]], 
    ... 
] 
results = [ 
    [3,4,5], 
    [3,3,5], 
    [4,2,6], 
    ... 
] 

我设法起来分成训练集和测试阵列，其中列车含有66％的阵列和测试其他33％。现在我想重塑它们以便在我的LSTM中进一步使用，但是在将它们输入到np.reshape（）函数中时脚本失败。

split = int(round(0.66 * results.shape[0])) 
train_results = results[:split, :] 
train_inputs = inputs[:split, :] 
test_results = results[split:, :] 
test_inputs = inputs[split:, :] 
X_train = np.reshape(train_inputs, (train_inputs.shape[0], train_inputs.shape[1], 1)) 
X_test = np.reshape(test_inputs, (test_inputs.shape[0], test_inputs.shape[1], 1)) 

请告诉我如何在这种情况下正确使用np.reshape（）。

基本上我松散下面这个教程：https://github.com/Vict0rSch/deep_learning/tree/master/keras/recurrent

Answer 1

你只传递一个元组np.reshape。

对于LSTM图层，需要形状如(NumberOfExamples, TimeSteps, FeaturesPerStep)。

所以，我们需要知道你的序列有多少个步骤。通过X阵列的外观，我会假设你有3个步骤和2个特征。

如果是这样的话：

X_train = train_inputs.reshape((split,3,2)) 
X_test = X_test.reshape((test_inputs.shape[0], 3, 2)) 

否则，如果你想6个步骤一个特征，形状(split,6,1)。只要形状中三个元素的乘积必须始终保持相同，您可以执行任何操作。

对于结果。你是否希望结果成为顺序结果，匹配输入步骤？或者它们只是单个输出（整个序列的两个独立输出）？

既然你已经有了3分的结果，我假设你有3个时间步长，我会认为这3个结果顺序一样，所以，我将重塑他们作为：

Y_train = train_results.reshape((split,3,1)) #three steps, one result per step 
#for this to work, your last LSTM layer should use `return_sequences=True`. 

但如果是3个独立的结果：

Y_train = train_results.reshape((split,3)) 
#for this to work, you must have 3 cells in the last layer, be it a Dense or an LSTM. But this LSTM must have `return_sequences=False`.