python - 如何通过tensorflow将多个学习数据输入model.fit()

Question

我在学习数据时遇到问题

我有 3-D 顺序数据

例如。(1000,200,100)

假设每个(1,200,100)都像一个句子。

每个词变成 100 个向量，每个句子有 200 个词，如果没有 200 个词，则用 0 填充。

在这种情况下，您想从过去的 3 个单词中猜测下一个单词。

many_sentences= #the data of (1000,200,100)

input_len = 3
input_ = []
append_ = []
for sentence in many_sentences:
    for i in range(0, 200 - input_len):
        input_.append(sentence[i:i+input_len] )
        answer_.append(sentence[i+input_len] ) 

然后我想像这样使用这些，但是....

 history = model.fit(input_, answer_, epochs=epoch, batch_size=10) # model is made by temsorflow.keras

我在这里有点困惑。

这input_ answer_仅适用于一句话。

如何使用剩下的 999 句来学习？

我应该把input_ answer_每 1000 个句子都写出来然后附加吗？

或调用model.fit()1000 次？

标签： pythontensorflow