我正在尝试弄清楚如何使用LSTM/GRU构建一个模型,该模型可以预测多对多,但对于每n次(在我的例子中是7次)输入。例如,我的输入数据有一整年每天的时间步长,但我只尝试预测每周结束时的输出,而不是每天。 我能找到的唯一信息是这个答案:Many to one and many to many LSTM examples in Keras 它说:“当步数不同于输入/输出长度时,多对多:这在Keras中是异常困难的。没有容易的代码片段来编码。” 在pytorch中,似乎你可以在损失函数中设置ignore_index,我认为这应该可以做到这一点。 keras有解决方案吗?
我正在尝试用tensorflow.js构建和训练LSTM网络,
我的数据集如下
dataSet = [
{
phrase: "i am returning this product because it is too yellow for me",
output: "color"
},
{
phrase: "i am shipping back product because it is broken when i received it",
output: "broken"
},
{
p
我的任务是根据4个输入来预测温度。在给定的数据中,温度非线性地增加到一定的极限,然后降低。它看起来类似于下图:Temperature trend 为了创建LSTM模型,我附加了3个数据文件,在0和1之间缩放数据,并在考虑到200个时间步的情况下重塑输入和输出数据。对于输入数据,如下所示 num1=int(len(X)/1000)
X=X[:num1*200].reshape(-1,200,4) """X is input data array of 4 columns""" 然后我建立了一个LSTM模型,有3层(第一层20个神经元,第二层10个