在Keras中，当输出是使用LSTM的八个类之一时，y_train的正确格式是什么？

Question

数据与前臂运动记录有关，执行8种可能的手势，我有一个加速度计(x，y，z)，陀螺仪(x，y，z)和方位四元数。我正在准备使用Keras中的LSTM模型对这些数据进行分类和预测。我的疑问是，当y_train被组织成批时，如何正确地格式化X_Train。

数据由10个特征(加速度、陀螺仪、四元数)、71850个样本和9个类别(1个非手势，8个手势)组成。每个手势都有一个时间步长窗口，为75个样本，即1.25s。

我的问题是如何使y_train与X_train相匹配。在下面的代码中，sf的形状为(71850，10)，gest (71850，1)。我将sf转换为X_train (958、75、10) (批处理、时间步长、特性)。我开始使用一个具有形状(71850，9)的热编码矢量构建y_train .这就是我被困的地方。如何格式化y_train，最终将其传递给LSTM模型？我理解它必须是(958，9)，这是否意味着我只需要每75步提取一次one_hot_encoding向量？

sf, gest = readFileAndReturnData(0)
print(sf.shape, gest.shape)

num_classes = 9
y = keras.utils.to_categorical(gest, num_classes)
print(y.shape)

samples = list()
length = 75
n = sf.shape[0]
print('division:', n / length)
print('total samples', sf.shape[0])
print('sample error', sf.shape[0] % length)

# step over the size of data in jumps of 75
for i in range(0, n, length):
    # grab from i to i + length
    sample = sf[i:i + length]
    samples.append(sample)
print('minibatch samples:', len(samples))

# convert list of arrays into 2d array
X_train = np.array(samples)

print(X_train.shape)

'''
(71850, 10) (71850, 1)
(71850, 9)
total samples 71850
sample error 0
minibatch samples: 958
(958, 75, 10)
'''

Answer 1

因此，基本上，如果您的问题与LSTM体系结构的输出形状有关，那么它可以是一个二维或三维数组，这取决于您在model.add(如果是keras)函数中给出的返回序列参数。

如果return_sequence = False，那么它是一个显示(batch_size，单位)的二维数组，在您的例子中，这个数组是(958,9)。

但是，如果您希望在每个手势完成后进行输出，则必须设置return_sequence = True，在这种情况下，输出将是(batch_size，each_gesture_completing_time_step，单位)，因此它将类似于(958,75,9)

希望能帮上忙！