tensorflow - Keras : How should I prepare input data for RNN?

Question

我在为 Keras 上的 RNN 准备输入数据时遇到了麻烦。

目前，我的训练数据维度是:(6752, 600, 13)

6752:训练数据数

600:时间步数

13:特征向量的大小(向量为浮点数)

X_train和 Y_train都在这个维度。

我想准备这些数据以输入 SimpleRNN在 Keras 上。
假设我们正在经历从第 0 步到第 599 步的时间步长。
假设我想使用 input_length = 5 ，这意味着我想使用最近的 5 个输入。 (例如步骤 #10、#11、#12、#13、#14 @ 步骤 #14)。

我应该如何 reshape X_train ?

应该是 (6752, 5, 600, 13)或者应该是 (6752, 600, 5, 13) ?

应该是什么形状 Y_train在吗？

应该是 (6752, 600, 13)或 (6752, 1, 600, 13)或 (6752, 600, 1, 13) ?

Answer 1

如果您只想使用最近的 5 个输入来预测输出，则无需提供任何训练样本的完整 600 个时间步。我的建议是通过以下方式传递训练数据:

             t=0  t=1  t=2  t=3  t=4  t=5  ...  t=598  t=599
sample0      |---------------------|
sample0           |---------------------|
sample0                |-----------------
...
sample0                                         ----|
sample0                                         ----------|
sample1      |---------------------|
sample1           |---------------------|
sample1                |-----------------
....
....
sample6751                                      ----|
sample6751                                      ----------|

训练序列的总数将总计为

(600 - 4) * 6752 = 4024192    # (nb_timesteps - discarded_tailing_timesteps) * nb_samples

每个训练序列由 5 个时间步长组成。在每个序列的每个时间步，您都会传递特征向量的所有 13 个元素。随后，训练数据的形状将是 (4024192, 5, 13)。

这个循环可以 reshape 你的数据:

input = np.random.rand(6752,600,13)
nb_timesteps = 5

flag = 0

for sample in range(input.shape[0]):
    tmp = np.array([input[sample,i:i+nb_timesteps,:] for i in range(input.shape[1] - nb_timesteps + 1)])

    if flag==0:
        new_input = tmp
        flag = 1

    else:
        new_input = np.concatenate((new_input,tmp))