时间戳

首页 > 解决方案 > keras lstm 区别 stateless 和 stateful

python - keras lstm 区别 stateless 和 stateful

问题描述

我试图理解 Keras 中 LSTM 层的概念。我只是想确认 LSTM 的一些行为并检查我是否理解正确。

假设我有 1000 个样本，并且这些样本有 1 个时间步长，并且当我的批量大小为 1

stateful = True

这是否与具有 1000 个时间步长且批量大小为 1 的 1 个样本相同

stateful = False

在这里，我还假设在这两种情况下，我都有相同的信息，只是形状不同，并且在每个训练时期后我都会重置 LSTM 层的状态。

我也认为无状态情况下的批量大小只对我的训练序列很重要，因为如果我设置

stateful = False

我可以使用 input_shape 而不是 batch_input_shape。所以我的 LSTM 层不需要批量维度，只需要时间步长和特征维度。这个对吗？

我从以下得出这个结论：

https://github.com/keras-team/keras/blob/master/keras/layers/recurrent.py#L1847

keras 何时重置 LSTM 状态？

了解 Keras LSTM

如果我有一个多层 LSTM 网络，如果第一个 LSTM 层是有状态的，那么所有其他层也应该是有状态的，对吗？

我希望有人明白我的意思并能帮助我。如果我的问题无法理解，请告诉我，我会更新这篇文章。

谢谢大家。

标签： pythonkeraslstmstatelessstateful

解决方案

stateful=True意味着您保留每批的最终状态并将其作为下一批的初始状态传递。所以是的，在这种情况下，如果您有 1 批 1000 个样品或 1000 批 1 个样品，情况是一样的。

推荐阅读