小编Mar*_*n K的帖子

目前，我尝试为 tensorflow 中的时间序列数据构建一个自动编码器。我有将近 500 天的数据，其中每天有 24 个数据点。因为这是我第一次尝试，所以我的架构非常简单。在我输入 size 之后24，隐藏层的 size:10; 3; 10输出为 again 24。我对数据进行了标准化（数据点在范围内[-0.5; 0.5]），使用 sigmoid 激活函数和 RMSPropOptimizer。

训练后（图中的损失函数）对于我输入网络的每个时间数据，输出都是相同的。有人知道这是什么原因吗？我的数据集是否有可能是问题（下面的代码）？

class TimeDataset:
def __init__(self,data):
    self._index_in_epoch = 0
    self._epochs_completed = 0
    self._data = data
    self._num_examples = data.shape[0]
    pass


@property
def data(self):
    return self._data

def next_batch(self, batch_size, shuffle=True):
    start = self._index_in_epoch

    # first call
    if start == 0 and self._epochs_completed == 0:
        idx = np.arange(0, self._num_examples)  # get all possible indexes
        np.random.shuffle(idx)  # shuffle indexe
        self._data …

我尝试使用 numpy 数组来替换 Pandas DataFrame 中的数据（更准确地说，我想对数据进行规范化，然后在现有 DataFrame 中设置新列）。它看起来像这样：

# df is a existing pandas dataframe with 10 rows and 3 columns
new_values = np.random.rand(10,3)
df = new_values # this is the step I want to solve

当然，我想保留 DataFrame 的列和索引信息。有人知道我如何才能做到这一点吗？