使用Keras，我想训练一个大小为N的批次的RNN（带有LSTM单元），每个时间步长为K个时间步长和一个大小为L的向量（解码器输出是一个大小为L的向量）。 / p>
可悲的是，我在使其适用于不同尺寸的时间步长时遇到麻烦，即不同的K.
有两个与此相关的问题：
每当我尝试用numpy创建一个3D张量时，我得到类型：array（list（array（）））而不是type：array（array（array（））），因为我的第二个维度是不固定。然后得到的形状是（N，）而不是（N，-1，L）
我发现填充是单变量时间序列的一种解决方案，但我有L>>1的每个时间步长为L的矢量。另外，（1）的形状不适合，即使我使用过：
model.add（LSTM（50，input_shape =（N，None，L）））//对于不同的K没有
或者是每个批处理实例调用fit-method N次的唯一解决方案？
你有什么想法，如何解决我的问题？
任何指针都将受到赞赏。
答案 0 :(得分：1)
您必须将数据数组填充到最大时间步长
from keras.preprocessing import sequence
data_array=sequence.pad_sequences(data_array,maxlen=max_K)
也不要使用input_shape传递批量大小
model.add(LSTM(50, input_shape=(max_K, L)))