LSTM NNの入出力データはどのような形状にする必要がありますか？

Question

LSTMレイヤを持つNNのデータを作成する方法に問題があります。私は多くのファイルが何百もの行を含んでいます。 各ファイルは曲を表しますと各行は4つの値のノートを表します。 NNがノートをと読んで、10音符の系列のシーケンスを読んで、それらから次の音符を予測できるようにします。必要な場合は、1曲あたり5000音符の音符数に修正することができます。

は、入力データと出力データに必要なものと、最初のLSTMレイヤの定義方法を知りたいだけです。

model = Sequential() 
model.add(LSTM(32, input_shape=(5000, 4),return_sequences=True)) 

まで溜めに：

• 1つのファイルは5000行4列を持っており、1曲を表します。

• ファイル内の1行は、4つの値を持つ1つの音符を表します。

ありがとうございました。

Answer 1

最初のLSTM層の入力形状は、(None, 10, 4)である必要があります。 モデルの出力形状は(None, 4)です。バッチサイズはNoneです。

私は、一例として、単純なLSTMをコード化：

import numpy as np 
from keras.layers import LSTM 
from keras.models import Sequential 

batch_size = 32 
window_length = 10 
note_dim = 4 
n_samples = 5000 

# Input data. TODO: Slide window and modify it to use real data 
x = np.ones(shape=(n_samples, window_length, note_dim)) 
y = np.ones(shape=(n_samples, note_dim)) 

# Define model 
model = Sequential() 
model.add(LSTM(note_dim, input_shape=(window_length, note_dim))) # The batch dimension is implicit here 

model.compile('sgd', 'mse') 
model.fit(x=x, # Batch input shape is: (None, window_length, note_dim) 
      y=y, # Batch output shape is: (None, note_dim) 
      batch_size=batch_size) 

を使用すると、より複雑なモデル（すなわち2つのLSTM層を）したい場合、あなたはこのようにそれを定義することができます。

# ... 
# Define model 
hidden_size = 50 
model = Sequential() 
model.add(LSTM(hidden_size, input_shape=(window_length, note_dim), return_sequences=True)) # The batch dimension is implicit here 
model.add(LSTM(note_dim)) 
# ... 

---

更新：あなたの最初のコメントに応答します。

xには、ウィンドウをスライドさせた後にすべての曲を含める必要があります。たとえば、すべての曲が含まれているsongsという形の変数(n_songs, notes_per_song, note_dim)があるとします。すると、次のようにxとyを作成することができます。

# ... 
# Input data  
# Suppose that variable ´songs´ is an array with shape: (n_songs, notes_per_song, note_dim). 
samples_per_song = notes_per_song-window_length 
n_samples = n_songs*samples_per_song 
x = np.zeros(shape=(n_samples, window_length, note_dim)) 
y = np.zeros(shape=(n_samples, note_dim)) 
for n, song in enumerate(songs): 
    for i in range(samples_per_song): 
     x[i+n*samples_per_song, :, :] = song[i:(i+window_length), :] 
     y[i+n*samples_per_song, :, :] = song[i+window_length, :] # note that you want to predict 
# ... 

Answer 2

NNが10音符のシーケンスで音符を読んで、次の音符を予測できるようにします。

私はケラを一度も使用していませんが、私はあなたが最初にそれらの音符をidsに変換するべきだと思います。たとえば、（aa、bb、cc、dd）は1、（ab、bb、cc、dd）は2などとなります。

次に、エンコーダの10桁/最終的な状態は11番目の音符になります。そして、あなたがその曲の中のどの音符からも10音符でモデルをテストしたいなら、2番目から11番目までを訓練し、投影後に12番目をターゲットにします。そして、最後の音符が目標になるまで続く。これは1つの曲のためであり、すべての曲でこれを繰り返します。

idsを使用してノートを返すことができます。それを前後に移すためのボキャブラリを構築することができます。