Output_shape du modèle lstm

Question

J'ai des données de test de 1025643 entrées et 72 caractéristiques/attributs. J'ai formé un lstm avec le train de données d'entréeX avec la forme (245, 30, 72) et le trainY avec la forme (245,). Notez également que j'ai spécifié rétrospective à 30 pas d'ici (245, 30, 72) forme de trainX.

Maintenant, après la formation du modèle si je

model.output_shape

La sortie est:

(Aucun, 1)

Ce que je comprends est qu'il donnera prédiction en une étape pour l'ensemble de test. Mais je veux que ce soit 30 rangées de prédictions, une pour chaque étape future, pour chaque rangée dans l'ensemble de test (comme la sortie devrait avoir la forme dans mon cas pour être (1025643, 30, 1)). Quels changements dois-je faire avec les formes de données? J'utilise keras lstm avec le backend tensorflow et python 3.6.

code

pour mon modèle est:

model = Sequential() 
model.add(LSTM(100, return_sequences=True, input_shape = (trainX.shape[1], trainX.shape[2]))) 
model.add(LSTM(100, return_sequences = False)) 
model.add(Dense(1, activation='linear')) 

model.compile(loss='mse', optimizer='adam') 

model.fit(trainX, trainY, epochs=50, shuffle=False, verbose=1) 

Answer 1

Le paramètre return_sequences=False sur la dernière couche LSTM provoque la LSTM pour retourner uniquement la sortie après les 30 pas de temps. Si vous voulez 30 sorties (une après chaque pas de temps), utilisez return_sequences=True sur la dernière couche LSTM, cela donnera une forme de sortie de (None, 30, 1). Pour une explication plus détaillée des LSTM dans Keras, voir here.