Tensorflow：将LSTM转换为日期时间格式达到100％

问题描述

我创建了一个双向seq2seq端编码器/解码器网络，该网络旨在将不同的日期类型格式化为德语日期时间格式，例如： day_write_out，day.month.year

例如，我有字符串 1992年12月27日，并且我希望模型能够预测 1992年12月27日星期日。

训练后，模型的有效精度达到 98％。进一步的调查表明，该模型几乎总是预测日期本身正确，但是 却不能提取正确的日期。因此，它预测的不是 1992年12月27日星期天，而是预测了 1992年12月27日星期三。 只有5％的日子可以正确预测。

我认为问题在于我使用的LSTM，即使它是双向的，但是由于日期是被预测的第一个元素，因此该模型没有大量信息来预测正确的日期，因为在时间步长上0该模型尚未看到任何日期值。这是正确的吗？

所以我的问题是，为什么该模型无法预测正确的日期？能够一次读取整个序列的Transformer体系结构是否可以解决此问题？

谢谢

解决方法

我认为问题在于我使用的LSTM，即使它是双向的，但是由于日期是被预测的第一个元素，因此该模型没有大量信息来预测正确的日期，因为在时间步长上0该模型尚未看到任何日期值。

尝试生成1992年12月27日-星期三，看看是否有任何作用。

老实说，我认为任何模型都无法使用该数据正确预测