什么 ML 包（RNN 模型）能够使用比训练数据更少时间步长的数据进行预测答案

【问题标题】：What ML package (RNN model) has the capacity to predict with data of less time steps than training data什么 ML 包（RNN 模型）能够使用比训练数据更少时间步长的数据进行预测
【发布时间】：2016-07-09 16:45:55
【问题描述】：

（由于my original question 可能因为一个包过于具体而没有得到答案，我会问另一位将军。）

根据 RNN 模型，我们每一步都有输入和输出。假设一个使用 6 个时间步的数据训练的模型。当然，如果我使用 6 个时间步长的测试数据，我会得到输出，并且我已经成功了。但理论上，如果我只有前 3 个时间步的数据，我也应该从第 3 个输出节点获得输出（无需重新训练前 3 个时间步的模型）。但我发现至少“keras”包不能做到这一点。

有没有支持这种预测的包？更好的python语言和更好的LSTM层。

【问题讨论】：

标签： machine-learning packages lstm recurrent-neural-network

【解决方案1】：

据我了解，您有两种选择，具体取决于您的目标。

您可以在最后用零填充序列，以便它们是正确的维度，但在输出中您只需根据您的测试数据维度使用第一个 n 步骤。
您可以使用有状态的实现

【讨论】：