python - 如何正确使用 Keras LSTM batch_input_size

Question

我正在使用 Keras 框架构建堆叠 LSTM 模型，如下所示:

model.add(layers.LSTM(units=32,
                      batch_input_shape=(1, 100, 64),
                      stateful=True,
                      return_sequences=True))
model.add(layers.LSTM(units=32, stateful=True, return_sequences=True))
model.add(layers.LSTM(units=32, stateful=True, return_sequences=False))
model.add(layers.Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(train_dataset,
          train_labels,
          epochs=1,
          validation_split = 0.2,
          verbose=1,
          batch_size=1,
          shuffle=False)

知道 mode.fit、model.predict 和 model.evaluate 的默认 batch_size 是 32 ，模型强制我将此默认 batch_size 更改为 batch_input_shape (batch_size, time_steps, input_dims) 中使用的相同 batch_size 值。

我的问题是:

1. 将 batch_size 传递给batch_input_shape 或进入 model.fit？
2. 我可以使用 batch_size 进行训练(假设为 10)，并在单个批处理上进行评估(而不是10 个批处理)如果我将 batch_size 传递到LSTM 层通过 batch_input_shape？

Answer 1

当lstm层处于有状态模式时，必须给出batch size并且不能为None。这是因为 lstm 是有状态的，需要知道如何将隐藏状态从 t-1 时间步批量连接到 t 时间步批量