何时按时间序列使用生成器TensorFlow

问题描述

我正在构建LSTM ANN，但不确定在我的情况下使用生成器。网络应具有应迭代的几个超参数，例如时期，激活函数...，但是，如果在这种情况下使用生成器，则每次迭代都在不同的集合上进行训练，对吗？那么更正确的方法是使用列表或数组？谢谢

for epoch in EPOCHS do:
for activation in ACTIVATION do:
trainLSTM(epoch,activation)
save best model

解决方法

建议将Generator的{​​{1}}用于Tutorial of Tensorflow Time Series Analysis。这样的Time Series Data的代码如下所示：

Generator

例如，如果您的class WindowGenerator(): def __init__(self,input_width,label_width,shift,train_df=train_df,val_df=val_df,test_df=test_df,label_columns=None): # Store the raw data. self.train_df = train_df self.val_df = val_df self.test_df = test_df # Work out the label column indices. self.label_columns = label_columns if label_columns is not None: self.label_columns_indices = {name: i for i,name in enumerate(label_columns)} self.column_indices = {name: i for i,name in enumerate(train_df.columns)} # Work out the window parameters. self.input_width = input_width self.label_width = label_width self.shift = shift self.total_window_size = input_width + shift self.input_slice = slice(0,input_width) self.input_indices = np.arange(self.total_window_size)[self.input_slice] self.label_start = self.total_window_size - self.label_width self.labels_slice = slice(self.label_start,None) self.label_indices = np.arange(self.total_window_size)[self.labels_slice] def __repr__(self): return '\n'.join([ f'Total window size: {self.total_window_size}',f'Input indices: {self.input_indices}',f'Label indices: {self.label_indices}',f'Label column name(s): {self.label_columns}']) 是从1960年（1月1日）到2016年（12月31日）的年份，并且您想Data将2017年整个2月的天气，通过考虑过去2年的数据窗口，以下类的参数值如下所示：

predict