RNN LSTM valueError训练时

是指在使用循环神经网络（RNN）中的长短期记忆（LSTM）模型进行训练时出现的值错误。具体来说，当训练数据中存在不合理的值或格式错误时，会导致该错误的出现。

RNN是一种能够处理序列数据的神经网络模型，而LSTM是RNN的一种变体，通过引入记忆单元来解决传统RNN中的梯度消失问题。在训练RNN LSTM模型时，我们需要提供合适的训练数据，并对数据进行预处理和归一化操作，以确保数据的有效性和准确性。

当出现RNN LSTM valueError训练时，我们可以采取以下步骤进行排查和解决：

1. 检查数据格式：确保输入数据的格式正确，包括数据类型、维度等。可以使用数据可视化工具或打印数据进行检查。
2. 数据预处理：对数据进行预处理，包括数据清洗、缺失值处理、标准化等。可以使用Python中的数据处理库（如NumPy、Pandas）进行处理。
3. 数据归一化：对数据进行归一化操作，将数据缩放到合适的范围内，以提高模型的训练效果。可以使用数据归一化方法（如MinMaxScaler、StandardScaler）进行处理。
4. 调整模型参数：检查模型的参数设置，包括学习率、批大小、迭代次数等。根据具体情况进行调整，以提高模型的性能和稳定性。
5. 增加训练数据量：如果训练数据量较小，可以考虑增加训练数据量，以提高模型的泛化能力和准确性。
6. 检查模型架构：检查模型的架构是否合理，包括网络层数、隐藏层大小等。根据具体问题进行调整，以提高模型的拟合能力。

腾讯云提供了一系列与云计算相关的产品，包括云服务器、云数据库、云存储等。具体针对RNN LSTM模型训练的场景，腾讯云提供了弹性GPU实例，可以加速深度学习模型的训练和推理。您可以参考腾讯云弹性GPU实例的介绍和使用方法，链接地址为：https://cloud.tencent.com/product/gpu

请注意，以上答案仅供参考，具体解决方法需要根据实际情况进行调试和优化。