Keras LSTM：什麼是時間步長和特徵，以及有狀態 LSTM 如何利用順序資訊？

了解 Keras LSTM

什麼是時間步長和特徵？

時間步長和特徵由張量的最後兩個維度指定。

• 時間步長：輸入序列中的步數。
• 特徵：輸入序列中每個時間步長的值的數量。

根據問題中提供的程式碼，trainX是 3D 數組，其時間步長為 3，特徵為 1。這表明該模型正在考慮多對一的情況，其中 3 個粉紅色框對應於多個輸入。

有狀態 LSTM

有狀態 LSTM 允許模型跨批次保留單元狀態值。當 batch_size 為 1 時，記憶體會在訓練運行之間重置。這有助於模型記住序列的先前步驟，以進行更準確的預測。在該範例中，batch_size 設定為 1，且資料沒有被打亂，這表示模型將根據順序看到資料並利用序列資訊。

示例圖解

您提供的圖像對應於以下Keras 模型：

圖1：

• Keras 會將輸入序列處理為多對多的方式。
• return_sequences=True 允許層在每個時間步長輸出序列。

圖 2：

• stateful=True 允許模型跨批次保留狀態。
• 每一行的紅色框代表原始序列的一個批次。
• 每一行的綠色框代表模型在每個批次輸出的序列。
• 連續的行表示該模型將整個序列視為一個連續的序列，即使它是分批饋送到模型中的。

以上是Keras LSTM：什麼是時間步長和特徵，以及有狀態 LSTM 如何利用順序資訊？的詳細內容。更多資訊請關注PHP中文網其他相關文章！