Keras 将简单的训练/测试转换为批量训练/测试

我使用递归神经网络生成一个分类模型。以下是一个使用

keras

的简单RNN模型（特此提供）：

这是模型的摘要：

Layer (type)                 Output Shape              Param #   
=================================================================
lstm_1 (LSTM)                (1, 16)                   1152      
_________________________________________________________________
dense_1 (Dense)              (1, 1)                    17        
=================================================================
Total params: 1,169
Trainable params: 1,169
Non-trainable params: 0
_________________________________________________________________

我可以修改此代码来训练一批样本，而不是一次训练一个样本吗？如果是，怎么做？如有任何建议，我们将不胜感激 谢谢。

您在这里声明：

model.add(LSTM(16,
               batch_input_shape=(1, 1, 1),
               activation='tanh',
               recurrent_activation='tanh',
               kernel_initializer='he_uniform',
               bias_initializer='he_uniform',
               # dropout=0.1,
               # recurrent_dropout=0.1,
               stateful=True,
               return_sequences=False,
               )
          )

批处理的大小应为：（1,1,1）仅表示1个示例，带有1个时间戳，每个时间戳都是标量。
如果您想要一个以上的培训示例，则应执行以下操作：

batch_input_shape=(None,1,1)

或者，将“无”更改为批次中的示例数。

---

（无表示您可以根据需要插入多少个示例）

您能告诉我们模型是如何实现的吗？更好的是，你能给我们展示model.summary（）？@DvirSamuel Right！我忘了加那个。Post是更新的。我猜在这种情况下，

模型中的内部循环。批处理上的训练也必须修改。是的，您应该确保输入与lstm声明中所述的形状相同：）
batch_input_shape=(None,1,1)