python - 如何为 Tensorflow 自动编码器准备数据（多个“时间序列”）

Question

我正在使用 Tensorflow 自动编码器从生产数据中检测异常。

我有一个包含 1927 个元素的列表。每个元素代表一个形状为 6000,20 的 numpy 数组。（来自 19 个特征的 6000 个 count_timersiere - 代表一个生产零件）

all_data = []
for df in yp_clean:
    batch_sample = np.asarray(df)
    for sample in batch_sample:
        all_data.append(sample)
all_data = np.asarray(all_data)

inp = tf.keras.layers.Input(shape = (20, ))

x = tf.keras.layers.Dense(128, activation='relu')(inp)
x = tf.keras.layers.Dense(64, activation='relu')(x)
enc = tf.keras.layers.Dense(2, activation='relu', name='enc')(x)

x = tf.keras.layers.Dense(64, activation='relu')(enc)
x = tf.keras.layers.Dense(128, activation='relu')(x)
out = tf.keras.layers.Dense(20, activation='relu')(x)

autoencoder = tf.keras.models.Model(inp, out)
autoencoder.summary()

count_timeseries 从 1 开始到 6000，表示 30 秒的时间段

我的方法是将所有数据堆叠到一个 hugh np.array 中。形状 1927*6000,20 至少我能够运行自动编码器。但我担心我丢失了“time_series”信息。

我的恐惧正确吗？有没有人做过类似的事情？

顺便说一句：所以我只有 ok 部分的数据，下一步是添加 nok。但我需要知道如何提前准备数据。

感谢您的帮助！

标签： pythontensorflow