python - 每次使用不同的数据集多次调用以及使用所有数据集调用一次时，keras 模型的拟合有何不同？

Question

我正在使用时间序列数据集，其中有两种不同的情况。一个我的序列大小相同，另一个序列长度不同。当我有相同长度的序列时，我可以合并所有数据集，然后拟合模型一次。

但是对于不同长度的序列，我想知道 keras model.fit 的行为会有什么不同

1. 如果模型一个一个地安装了每个不同长度的序列，批量大小=序列长度
2. 如果模型被拟合一次，所有序列合并在一起，具有固定的批量大小

根据给定的场景，正确或更好的行动方案应该是什么？

标签： pythontensorflowkerastime-seriesrecurrent-neural-network

Answer 1

在第一种情况下，首先使用第一个数据集优化权重，然后为第二个数据集更改（更新）权重，依此类推。在第二种情况下，您同时要求模型从所有数据集中学习模式。这意味着权重将一次根据所有数据集进行调整。我更喜欢第二种方法，因为 NN 在新数据集上训练时倾向于忘记/中断。他们更有可能专注于他们最近看到的数据。