youyuge34 / cosine_stateful_lstm Goto Github PK

运行这个notebook，预测值会逐渐小于 -4，跟你的运行结果差别很大。你再调试下？

你好，我对你代码中训练数据的产生方式有疑问。我理解的是：
stateful的LSTM需要训练数据的每个样本按顺序是能够衔接上的。
比如原始数据为：
p0,p1,p2,p3,p4,p5,p6......pn
那么在样本划分的时候需要timestep（你的代码中的look_back）和划分步长相等，比如look_back=3时，是这样：
sample1 x:[p0,p1,p2],y:[p3]
sample2 x:[p3,p4,p5],y:[p6]
sample3 x:[p6,p7,p8],y:[p9]
......
look_back=5时，是这样：
sample1 x:[p0,p1,p2,p3,p4],y:[p5]
sample2 x:[p5,p6,p7,p8,p9],y:[p10]
sample3 x:[p10,p11,p12,p13,p14],y:[p15]
......
这样state才能在一个fit中按原来的顺序传递。

既然想要上一个序列样本LSTM的状态传递到下一个序列样本，为什么还要使用model.reset_state（）重置模型中所有层的状态，这样岂不是又变成了stateless？