如何在Keras中处理样本和批次之间的共享数据

我正在使用Keras进行时间序列预测，我想创建一个基于自我注意机制的模型，它不会使用任何RNN。对于每个样本，我们查看样本的最后x个时间步，以预测下一个样本

换句话说，我希望向网络提供（num_批次、num_样本、时间步、功能）和获取（num_批次、预测）

这有1个问题

存在大量不必要的数据重复，其中样本n的时间步长和特性与样本n+1基本相同，只是向左移动了1

---

假设您的数据集非常大，您将如何处理此问题？

我对此不太熟悉，但如果您的问题是“我有太多复制数据”，我认为您可以解决为数据设计生成器的问题，然后将生成器作为Keras/TensorFlow拟合函数的输入传递（根据TensorFlow API规范，它支持生成器作为输入）

---

如果你的问题与模型背后的逻辑有关，我看不出问题所在。这就像你有一个滑动窗口，对于每个窗口，你预测一个值，然后你将窗口移动一定量（在你的例子中，一个）.你能就你的担心再多争论一点吗？

谢谢你的回复。我必须研究生成器。我确实需要一批多个样本，但只要我不必按时间步长复制整个数据集，我就可以了。