Keras中的LSTM
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Keras中的LSTM相关的知识，希望对你有一定的参考价值。
参考技术A 最近做一个关于用电负荷预测的项目，想用循环神经网络试一下，具有时间特性的数据预测当然非LSTM莫属了啦，但是感觉自己对LSTM的输入和输出不是很明白，就学习顺便整理一下吧。说到LSTM当然先来一张cell的图了：
使用LSTM搭建多层LSTM网络还是比较方便的，我们只需要使用 Sequential() 进行堆叠即可。
在进行多层LSTM网络时，需要注意一下几点：
参数 lstm_layers=5 , dense_layers=3 ，结果如下：
前面提到了LSTM的计算其实和普通神经网络类似，那我们就来推一下参数量，看是否符合我们的预期。
最终，总共的参数值为 112+16=128 。和程序打印出来的结果一致。
通过上面的推导我们发现，其实实际的参数量和步长是没有关系的，这一点我也验证了一下，通过改变输入 shape=(samples, time_steps, input_dim) 中的 time_stpes 的值，参数量不会发生变化。如下（输入 shape=[N, 2, 3] ， time_steps=10 ):
以上是关于Keras中的LSTM的主要内容，如果未能解决你的问题，请参考以下文章