2
$ \ begingroup $

我正在尝试使用Keras (python)中的LTSM层训练我的模型。我有一些关于数据表示和将其输入模型的问题。

我的数据是184个xy曲面编码为带有两个尺寸的numpy阵列:对应于x或y和第二的一个是x或y的每一个点,单频谱的形状为(2,70)。完全,我的数据具有(184,2,70)的尺寸。

标签集是8个元素的数组,其描述了描述XY的大约8个功能的百分比分布。输出的形状为(184,8)。

我的问题是我如何使用每个XY对的时间序列进行训练并将其与相应的标签集进行比较?不同的XY数据显示出彼此相似的特征,这就是为什么使用所有184个样本进行训练是很重要的。处理这个问题的最好办法是什么?下面我展示了我的数据和模型的原理图:

输入:(184,2,70)(XY,X / Y,点数)

产出:(184,8)(XY,预测数量)

我期待着一些想法!

数据表示

\ endgroup美元

    2答案2

    0
    $ \ begingroup $

    我不明白你的问题,184是序列的长度或数据集的大小?如果184是数据集大小,那么我认为70是序列长度,然后可以使用LSTM。但LSTM将淘汰70个隐藏状态,并使用最后一个隐藏状态作为输出。

    \ endgroup美元
    1
    • $ \ begingroup $ 谢谢你的评论!我对这个糟糕的解释表示抱歉。我有184个不同的光谱与XY坐标(更新后与图像)。每个X和Y有70个点。数据被描述为带有8个数字的标签。184个单独的文件对于训练来说并不多,所以我考虑将每个XY数据拆分为大小为5的时间序列,并使用LTSM进行训练。 \ endgroup美元- - - - - -达瓦 8月5日10日8:17
    0
    $ \ begingroup $

    LSTM可能很棘手,我会给你的0.02美元。

    LSTM输入层定义的形状是这样的。

    如果我正确地了解您的问题,您的数据可以将其构成为184个样本,其中2个时间步长,70个功能?

    代码的开头是这样的。

    Model = Sequential()Model.ADD(LSTM(184,Input_shape =(50,2))))

    \ endgroup美元

      你的答案

      点击“发表您的答案”,即表示您同意我们的答案服务条款,隐私政策饼干的政策

      不是你想要的答案?浏览其他标记的问题必威英雄联盟要么必威电竞问自己的问题