machine-learning - LSTM 中的序列长度是多少？

Question

LSTM 输入数据的维度是 tensorflow 中的[批量大小、序列长度、输入维度]。

1. 序列长度和输入维度的含义是什么？
2. 如果我的输入数据采用以下形式，我们如何为它们分配值:[[[1.23] [2.24] [5.68] [9.54] [6.90] [7.74] [3.26]]] ？

Answer 1

LSTM 是循环神经网络的一个子类。根据定义，循环神经网络应用于顺序数据，不失一般性意味着数据样本随时间轴变化。然后，数据样本的完整历史由有限时间窗口内的样本值来描述，即，如果您的数据位于 N 维空间中并在 t 时间步长内演化，则您的输入表示形式必须为 (num_samples, t ，N)。

您的数据不符合上述描述。然而，我假设这种表示形式意味着您有一个标量值 x，它会在 7 个时间实例中演化，使得 x[0] = 1.23、x[1] = 2.24 等。

如果是这种情况，您需要重新调整输入的形状，以便您拥有形状为 (7,1) 的数组，而不是包含 7 个元素的列表。然后，您的完整数据可以通过形状为 (num_samples, 7, 1) 的三阶张量来描述，该张量可以被 LSTM 接受。