LSTM数据准备

Question

我正在为LSTM网络准备一个时间序列(使用Python和Keras)，它是这样的：

Samples=[]
for i in range(0,len(TrainingData)-Time_Step,1):
    Samples.append(TrainingData[i:i+Time_Step])]

由于它是一个for循环，它真的很慢，有没有更快的方法来做到这一点？

Answer 1

你想要做的应该是一个简单的重塑：

#if training data is not numpy, make it numpy
TrainingData = np.array(TrainingData)

originalShape = TrainindData.shape

if len(originalShape == 1):
    Samples = TrainingData.reshape((Time_Step,)) #or (Time_Step,1)
else:
    Samples = TrainingData.reshape((Time_Step,) + originalShape[1:])

警告: LSTM的数据应具有类似(batch_size_or_samples, time_steps_or_length, features)的形状。序列不应该在窗口中划分(除非您出于非常特殊的原因而严格需要这样做-然后您还必须采取一些特殊的操作)，并且时间维度应该是第二个，而不是第一个。