Ich bin neu zu Keras und RNN Ich brauche ein Classifier-Modell mit LSTM RNN in Keras für ein Dataset, die einen Zug Satz von Form (1795575, 6) und Etiketten-Array enthalten Form (1795575, 1). Die Etiketten sind 11 Klasse (von 0 bis 10) Der Testsatz von Form (575643, 6) und Labels Array von Form (575643, 1.Again, die Etiketten ist 11 (von 0 bis 10)Wie man ein LSTM Classifier Modell in Keras
Wie kann ich die folgende Keras Modell formen meine Dataset.What Werte zu erfüllen, sollte ich für?
from keras.models import Sequential
from keras.layers import LSTM, Dense
from keras.optimizers import SGD
import numpy as np
data_dim = ?
timesteps = ?
num_classes = ?
batch_size = ?
sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)
model = Sequential()
model.add(LSTM(32, return_sequences=True, stateful=True,batch_input_shape=
(batch_size, timesteps, data_dim)))
model.add(LSTM(32, return_sequences=True, stateful=True))
model.add(LSTM(32, stateful=True))
model.add(Dense(?, activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy',optimizer='sgd',
metrics=['accuracy'])
model.fit(train_X_arr, train_y_arr,batch_size=batch_size, epochs=epochs,
shuffle=False,validation_data=(test_X_arr, test_y_arr))
habe ich schätze Ihre Hilfe und Dank in ein dvance
Es hängt von Ihrem Problem ab. Was bedeuten die Zeitstempel in Ihrem Problem? Was die Sequenzen in Ihren Daten darstellen? .. Ich frage, weil nach den Formen, die Sie gaben, sollten Sie eine andere Architektur verwenden (und nicht lstm ..) –
Vielen Dank Samuel für Ihre Antwort. Ich muss ein RNN-Netzwerk zu Intrusion Detection implementieren –
Noch eine Frage :) -> Sie schrieb, dass "ein Dataset, die einen Zug Satz von Form enthalten (1795575, 6)", so bedeutet, dass Sie 1795575 Beispiele im Zug haben Set und jedes Beispiel ist ein Vektor mit 6 Elementen (Skalaren) oder bedeutet es, dass Ihre Trainingsdaten eine unbekannte Anzahl von Beispielen enthalten, aber jedes Beispiel ein Vektor von 1795575 Zeitstempeln ist und jeder Zeitstempel ein Vektor aus 6 Elementen ist? –