Keras LSTM: Apakah itu Langkah Masa dan Ciri, dan Bagaimanakah LSTM Stateful Memanfaatkan Maklumat Berjujukan?

Memahami Keras LSTM

Apakah langkah dan ciri masa?

Langkah masa dan ciri ditentukan oleh dua dimensi terakhir tensor.

• Langkah Masa: Masukkan bilangan langkah dalam jujukan.
• Ciri: Bilangan nilai pada setiap langkah masa dalam jujukan input.

Menurut kod yang diberikan dalam soalan, trainX ialah tatasusunan 3D dengan langkah masa 3 dan ciri 1. Ini menunjukkan bahawa model sedang mempertimbangkan situasi banyak dengan satu, di mana 3 kotak merah jambu sepadan dengan berbilang input.

Stateful LSTM

Stateful LSTM membenarkan model untuk mengekalkan nilai keadaan sel merentas kelompok. Apabila batch_size ialah 1, memori ditetapkan semula antara latihan dijalankan. Ini membantu model mengingati langkah sebelumnya dalam urutan untuk ramalan yang lebih tepat. Dalam contoh ini, batch_size ditetapkan kepada 1 dan data tidak dikocok, bermakna model akan melihat data secara berurutan dan mengambil kesempatan daripada maklumat jujukan.

Contoh gambar rajah

Imej yang anda berikan sepadan dengan model Keras berikut:

Rajah 1:

• Keras akan memproses jujukan input dengan cara banyak-ke-banyak.
• return_sequences=True membenarkan lapisan untuk mengeluarkan jujukan pada setiap langkah masa.

Rajah 2:

• stateful=True membenarkan model mengekalkan keadaan merentas kelompok.
• Kotak merah dalam setiap baris mewakili kumpulan urutan asal.
• Kotak hijau dalam setiap baris mewakili output jujukan oleh model dalam setiap kelompok.
• Baris bersebelahan menunjukkan bahawa model menganggap keseluruhan jujukan sebagai satu jujukan berterusan, walaupun ia dimasukkan ke dalam model dalam kelompok.

Atas ialah kandungan terperinci Keras LSTM: Apakah itu Langkah Masa dan Ciri, dan Bagaimanakah LSTM Stateful Memanfaatkan Maklumat Berjujukan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!