LSTM Keras API预测多个输出

Question

我正在训练一个LSTM模型，使用50个步骤的顺序输入3种不同功能，如下所示：

#x_train
[[[a0,b0,c0],.....[a49,b49,c49]],
  [a1,b1,c1]......[a50,b50,c50]],
  ...
  [a49,b49,c49]...[a99,b99,c99]]]

使用以下因变量

#y_train
[a50, a51, a52, ... a99]

下面的代码只能预测a，如何在给定的时间步长预测并返回[a，b，c]向量？

def build_model():
model = Sequential()

model.add(LSTM(
    input_shape=(50,3),
    return_sequences=True, units=50))
model.add(Dropout(0.2))

model.add(LSTM(
    250,
    return_sequences=False))
model.add(Dropout(0.2))

model.add(Dense(1))
model.add(Activation("linear"))

model.compile(loss="mse", optimizer="rmsprop")
return model

Answer 1

每层的输出取决于它具有多少个单元/单元/过滤器。

您的输出具有1个功能，因为Dense(1...)只有一个单元格。

只要使其成为一个Dense(3...)就可以解决您的问题。

现在，如果您希望输出具有与输入相同的时间步长，则需要return_sequences = True在所有LSTM层中打开。

LSTM的输出是：

• （批量大小，单位）- return_sequences=False
• （批量大小，时间步长，单位）- return_sequences=True

然后TimeDistributed，在接下来的图层中使用图层包装器，就像它们也有时间步长一样（它基本上会将尺寸保留在中间）。

def build_model():
    model = Sequential()

    model.add(LSTM(
        input_shape=(50,3),
        return_sequences=True, units=50))
    model.add(Dropout(0.2))

    model.add(LSTM(
        250,
        return_sequences=True))
    model.add(Dropout(0.2))

    model.add(TimeDistributed(Dense(3)))
    model.add(Activation("linear"))

    model.compile(loss="mse", optimizer="rmsprop")
    return model