Memahami Langkah dan Ciri Masa LSTM
Dalam kod Keras yang diberikan, tatasusunan trainX mempunyai bentuk (sampel, langkah masa, ciri ). Ini bermakna data dibentuk semula menjadi tatasusunan tiga dimensi, di mana dimensi pertama mewakili bilangan sampel, dimensi kedua mewakili bilangan langkah masa dan dimensi ketiga mewakili bilangan ciri.
Dalam konteks rajah yang anda berikan, setiap kotak hijau mewakili langkah masa dan setiap kotak merah jambu mewakili ciri. Oleh itu, kod sedang mempertimbangkan kes "banyak kepada satu", di mana terdapat berbilang kotak merah jambu (ciri) untuk setiap kotak hijau (langkah masa).
Argumen ciri menjadi relevan apabila mempertimbangkan siri multivariat, seperti memodelkan dua saham kewangan secara serentak. Dalam kes ini, setiap ciri akan mewakili salah satu saham dan bilangan ciri akan sama dengan bilangan stok yang dimodelkan.
Memahami LSTM Stateful
LSTM stateful tidak menyimpan nilai memori sel antara larian kumpulan. Sebaliknya, mereka mengekalkan keadaan mereka secara dalaman merentas kelompok. Dalam kes kod yang disediakan, di mana saiz kelompok adalah satu, LSTM akan mengemas kini keadaan dalamannya berdasarkan input semasa dan menggunakan keadaan itu untuk memproses input seterusnya. Dengan menetapkan semula keadaan antara larian latihan, LSTM terpaksa bermula baharu dengan setiap kumpulan.
Tingkah laku ini penting untuk kes seperti meramalkan langkah masa hadapan, di mana model perlu mengingati konteks input masa lalu untuk membuat ramalan yang tepat.
Nota Tambahan
Atas ialah kandungan terperinci Bagaimanakah Langkah dan Ciri Masa Berfungsi dalam LSTM Keras?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!