问题描述
简要。给定一个输入序列,我想提供 10 个相同长度的新序列,使用 Tensorflow/Keras。
我的数据集。我的数据集是一个 pd.DataFrame 有 3 种列:序列名称、输入序列、输出序列。它类似于(显然更复杂):
序列名称 | 输入序列 | 输出序列1 | 输出序列2 | ... | 输出序列10 |
---|---|---|---|---|---|
'sequence1' | 0.1 | 10.1 | 20.2 | 101.0 | |
'sequence1' | 0.2 | 10.2 | 20.4 | 102.0 | |
'sequence1' | 0.3 | 10.3 | 20.6 | 103.0 | |
'sequence1' | 0.4 | 10.4 | 20.8 | 104.0 | |
'sequence1' | 0.5 | 10.5 | 21.0 | 105.0 | |
'sequence1' | 0.6 | 10.6 | 21.2 | 106.0 | |
'sequence2' | 1.1 | 11.1 | 22.2 | 111.0 | |
'sequence2' | 1.2 | 11.2 | 22.4 | 112.0 | |
'sequence2' | 1.3 | 11.3 | 22.6 | 113.0 |
模型。我想要的是一个 LSTM Tensorflow/Keras 模型,这样,给定一个完整的输入序列(根据“序列名称”拆分),它会生成 10 个输出序列。我既不是 Tensorflow 也不是 LSTM 的专家。
如何有效地训练(然后推断)一个模型,使 LSTM 记忆沿着一个序列保持,但在移动到下一个序列时重置?
谢谢
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)