fit() 方法中的 batch_size 和 LSTM 输入中的批处理有什么区别？ Python

【问题标题】：What is the difference between batch_size from fit() method and batch from LSTM inputs ? Pythonfit() 方法中的 batch_size 和 LSTM 输入中的批处理有什么区别？ Python
【发布时间】：2021-11-21 12:32:41
【问题描述】：

我无法理解fit() 方法的 batch_size 与来自 LSTM 输入维度的批次之间的区别：形状为 [批次、时间步长、特征] 的 3D 张量。（请参阅输入 keras：https://keras.io/api/layers/recurrent_layers/lstm/）。

为此我还可以添加epochs。

如果我有一个包含 1000 个值的数据集，其格式已针对 LSTM 进行了重构，并且我的时间步长为 50（即 50 个 LSTM 单元），那么数据将如何表现？我想不通。

【问题讨论】：

标签： python tensorflow keras lstm

【解决方案1】：

*layer* 的输入维度将为 (batch_size, ...)，因为无论您有多少样本，model.fit() 都会将您的输入分成 (batch_size, ...) 的块。这是沿第一个维度完成的，因此时间步长维度不会改变任何内容。

您输入的形状...

(1000, 50, 25) # let's say you have 25 features

...会像这样进入LSTM层：

(16, 50, 25) # let's say you have batch_size of 16
(16, 50, 25)
(16, 50, 25)
(16, 50, 25)
(16, 50, 25)
...
(1000 % 16, 50, 25)

【讨论】：