Keras 的 LSTM 中的时间步长是多少？

Question

我在 Keras 中实现 LSTM 时遇到了一些问题。

我的训练集结构如下：

• 序列数：5358
• 每个序列的长度为300
• 序列的每个元素都是一个包含 54 个特征的向量

我不确定如何为有状态 LSTM 调整输入。

按照本教程：http://philipperemy.github.io/keras-stateful-lstm/，我创建了子序列（在我的例子中，有 1452018 个子序列，window_size = 30）。

为有状态 LSTM 的输入重塑数据的最佳选择是什么？

在这种情况下，输入的时间步长是什么意思？为什么？

batch_size 与时间步长有关吗？

Answer 1

我不确定如何为有状态 LSTM 调整输入。

LSTM(100, statefull=True)

但在使用有状态 LSTM 之前，请先问问自己我真的需要 statefull LSTM 吗？有关详细信息，请参阅 here 和 here。

为有状态 LSTM 重塑数据的最佳选择是什么 输入？

这真的取决于手头的问题。但是，我认为您不需要重塑，只需将数据直接输入 Keras：

input_layer = Input(shape=(300, 54))

在这种情况下，输入的时间步长是什么意思？为什么？

在您的示例中，时间戳为 300。有关时间戳的更多详细信息，请参阅 here。在下图中，我们将 5 个时间戳输入到 LSTM 网络中。

batch_size 与时间步长有关吗？

不，它与 batch_size 无关。更多关于 batch_size 的细节可以在here找到。

---

这是基于您提供的描述的简单代码。它可能会给你一些直觉：

import numpy as np
from tensorflow.python.keras import Input, Model
from tensorflow.python.keras.layers import LSTM
from tensorflow.python.layers.core import Dense

x_train = np.zeros(shape=(5358, 300, 54))
y_train = np.zeros(shape=(5358, 1))

input_layer = Input(shape=(300, 54))
lstm = LSTM(100)(input_layer)
dense1 = Dense(20, activation='relu')(lstm)
dense2 = Dense(1, activation='sigmoid')(dense1)

model = Model(inputs=input_layer, ouputs=dense2)
model.compile("adam", loss='binary_crossentropy')
model.fit(x_train, y_train, batch_size=512)