Keras LSTM：什么是时间步长和特征，以及有状态 LSTM 如何利用顺序信息？

了解 Keras LSTM

什么是时间步长和特征？

时间步长和特征由张量的最后两个维度指定。

• 时间步长：输入序列中的步数。
• 特征：输入序列中每个时间步长的值的数量。

根据问题中提供的代码，trainX是一个 3D 数组，其时间步长为 3，特征为 1。这表明该模型正在考虑多对一的情况，其中 3 个粉色框对应于多个输入。

有状态 LSTM

有状态 LSTM 允许模型跨批次保留单元状态值。当 batch_size 为 1 时，内存会在训练运行之间重置。这有助于模型记住序列的先前步骤，以进行更准确的预测。在该示例中，batch_size 设置为 1，并且数据没有被打乱，这意味着模型将根据顺序看到数据并利用序列信息。

示例图解

您提供的图像对应于以下 Keras 模型：

图 1：

• Keras 会将输入序列处理为多对多的方式。
• return_sequences=True 允许层在每个时间步长输出序列。

图 2：

• stateful=True 允许模型跨批次保留状态。
• 每一行的红色框代表原始序列的一个批次。
• 每一行的绿色框代表模型在每个批次输出的序列。
• 连续的行表示该模型将整个序列视为一个连续的序列，即使它是分批馈送到模型中的。

以上是Keras LSTM：什么是时间步长和特征，以及有状态 LSTM 如何利用顺序信息？的详细内容。更多信息请关注PHP中文网其他相关文章！