単純な列車/試験を列車/試験に変換してバッチを処理する

Question

私はRecurrent NNを使用して分類モデルを生成しています。以下はkeras（このblogへの礼儀）を使用し、簡単なRNNモデルです：

tr_C, ts_C, tr_r, ts_r = train_test_split(C, r, train_size=.8) 
tr_C = tr_C.reshape((tr_C.shape[0], tr_C.shape[1], 1)) 
ts_C = ts_C.reshape((ts_C.shape[0], ts_C.shape[1], 1)) 
tr_r = tr_r.reshape(tr_r.shape[0], 1) 
ts_r = ts_r.reshape(ts_r.shape[0], 1) 

print('Build model...') 
model = Sequential() 
model.add(LSTM(16, 
       batch_input_shape=(1, 1, 1), 
       activation='tanh', 
       recurrent_activation='tanh', 
       kernel_initializer='he_uniform', 
       bias_initializer='he_uniform', 
       # dropout=0.1, 
       # recurrent_dropout=0.1, 
       stateful=True, 
       return_sequences=False, 
       ) 
     ) 
model.add(Dense(1, activation='tanh')) 
model.compile(loss='mean_absolute_error', optimizer='adam', metrics=['accuracy']) 


for epoch in range(10): 
    print ('epoch(%s): ' % epoch) 
    mean_tr_acc = [] 
    mean_tr_loss = [] 
    for i in range(len(tr_C)): 
     for j in range(max_len): 
      tr_loss, tr_acc = model.train_on_batch(np.expand_dims(np.expand_dims(tr_C[i][j], axis=1), axis=1), tr_r[i]) 
      mean_tr_acc.append(tr_acc) 
      mean_tr_loss.append(tr_loss) 
     model.reset_states() 

    print('training_acc = {}'.format(np.mean(mean_tr_acc))) 
    print('loss training = {}'.format(np.mean(mean_tr_loss))) 
    print('___________________________________') 

    mean_te_acc = [] 
    mean_te_loss = [] 
    for i in range(len(ts_C)): 
     for j in range(max_len): 
      te_loss, te_acc = model.test_on_batch(np.expand_dims(np.expand_dims(ts_C[i][j], axis=1), axis=1), ts_r[i]) 
      mean_te_acc.append(te_acc) 
      mean_te_loss.append(te_loss) 
     model.reset_states() 

     for j in range(max_len): 
      y_pred = model.predict_on_batch(np.expand_dims(np.expand_dims(ts_C[i][j], axis=1), axis=1)) 
     model.reset_states() 

    print('testing_acc = {}'.format(np.mean(mean_te_acc))) 
    print('loss testing = {}'.format(np.mean(mean_te_loss))) 
    print('___________________________________') 

これは、モデルの概要です：

Layer (type)     Output Shape    Param # 
================================================================= 
lstm_1 (LSTM)    (1, 16)     1152  
_________________________________________________________________ 
dense_1 (Dense)    (1, 1)     17   
================================================================= 
Total params: 1,169 
Trainable params: 1,169 
Non-trainable params: 0 
_________________________________________________________________ 

代わりの時点で単一のサンプルを訓練し、することができます私はサンプルのバッチを訓練するためにこのコードを修正しますか？もしそうなら、どうですか？ご意見ありがとうございます。 ありがとうございます。

Answer 1

あなたはここで宣言：

model.add(LSTM(16, 
       batch_input_shape=(1, 1, 1), 
       activation='tanh', 
       recurrent_activation='tanh', 
       kernel_initializer='he_uniform', 
       bias_initializer='he_uniform', 
       # dropout=0.1, 
       # recurrent_dropout=0.1, 
       stateful=True, 
       return_sequences=False, 
       ) 
     ) 

のバッチのサイズがあるべきこと：（1,1,1）のみ1例を意味し、1つのタイムスタンプと、各タイムスタンプはスカラーであると。

batch_input_shape=(None,1,1) 

または、バッチ内の多数の例にNoneを変更しない：あなたはあなたが何をすべき1つの以上のトレーニング例をしたい場合
。
（どれも希望通りにいくつの例を挿入することもできません）