根据RNN的性质，我们可以得到每个时间戳（时间展开）的预测概率的输出。
假设我训练一个具有 5 个时间步长的 RNN，每个时间步长有 6 个特征。因此我必须像这样指定第一层（假设我们使用具有 20 个节点的 LSTM 层作为第一层）：
model.add(LSTM(20, return_sequences=True, input_shape=(5, 6)))
如果我输入相同的维度数据，该模型就可以很好地工作。但是，现在我想使用数据的前 3 个时间步长来获得预测（输入形状将为 3、6），相同的语法将不被接受。
我的问题是，是否可以使用 keras 使用相同的模型进行此类预测（无需采用训练数据的前 3 个时间步骤并训练另一个模型）？如果是的话，我应该如何处理语法？如果没有，是否有其他带有 LSTM 的 RNN 包支持此类功能？
None
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
