LSTM数据准备

Question

我正在为LSTM网络（使用Python和Keras）准备一个时间序列，它看起来像这样：

Samples=[]
for i in range(0,len(TrainingData)-Time_Step,1):
    Samples.append(TrainingData[i:i+Time_Step])]

由于它是一个for循环，它真的很慢，是否有更快的方法？

Answer 1

您要做的事情应该是简单的重塑：

#if training data is not numpy, make it numpy
TrainingData = np.array(TrainingData)

originalShape = TrainindData.shape

if len(originalShape == 1):
    Samples = TrainingData.reshape((Time_Step,)) #or (Time_Step,1)
else:
    Samples = TrainingData.reshape((Time_Step,) + originalShape[1:])

警告：LSTM的数据应具有(batch_size_or_samples, time_steps_or_length, features)之类的形状。序列不应在窗口中分割（除非出于非常特殊的原因而必须严格执行此操作-然后还必须执行一些特殊操作），并且时间维度应为第二个，而不是第一个。