如何在shuffle=True的情况下使用keras TimeSeriesGenerator？

shuffle=True的keras TimeseriesGenerator提供了一个随机标签，而不是与生成的时间序列匹配的标签。我想知道如何使用TimeseriesGenerator来生成标签与timeseries匹配的无序批

例如：

# imports
from tensorflow.keras.preprocessing.sequence import TimeseriesGenerator
import pandas as pd

# prepare data
df2 = pd.DataFrame([[1,1,1,1,1],
                   [2,2,2,2,2],
                   [3,3,3,3,3],
                   [4,4,4,4,4],
                   [5,5,5,5,5]])
df2.columns=['f1','f2','f3','l1','l2']
X2 = df2.iloc[:,0:3] # 
y2 = df2.iloc[:,3:]

x2：

y2：

随机播放的TimeseriesGenerator=False：

data_gen2 = TimeseriesGenerator(X2.to_numpy(), y2.to_numpy(),
                                     length=2, sampling_rate=1,stride=1,
                                     batch_size=5,shuffle=False)
print('x values: data_gen2[0][0]:',data_gen2[0][0].shape)
print(data_gen2[0][0])
print('y values: data_gen2[0][1]:',data_gen2[0][1].shape)
print(data_gen2[0][1])

…产生：

x values: data_gen2[0][0]: (3, 2, 3)
[[[1 1 1]
  [2 2 2]]

 [[2 2 2]
  [3 3 3]]

 [[3 3 3]
  [4 4 4]]]
y values: data_gen2[0][1]: (3, 2)
[[3 3]
 [4 4]
 [5 5]]

这是完美的。但是，使用shuffle=True，我们得到：

x values: data_gen2[0][0]: (5, 2, 3)
[[[1 1 1]
  [2 2 2]]

 [[3 3 3]
  [4 4 4]]

 [[1 1 1]
  [2 2 2]]

 [[3 3 3]
  [4 4 4]]

 [[3 3 3]
  [4 4 4]]]
y values: data_gen2[0][1]: (5, 2)
[[5 5]
 [3 3]
 [5 5]
 [3 3]
 [3 3]]

当X2被正确地洗牌时（即从不同的起点开始的不同时间序列）， y2与X2的时间序列不匹配

我有什么误解吗？

好的。问题解决了：

打电话的问题是：

data_gen2[0][0]
data_gen2[0][1]

。。。这会将生成器提供的数据更新两次。因此，对gen2[0][1]的调用实际上更新了gen2中的数据，并将目标返回给完全不同的一批样本

要更正此错误，我们需要完整收集gen2[0]，然后将元组拆分为x和y：

x3,y3 = data_gen2[0]

print(x3)
print(y3)

现在，目标与样本匹配：

[[[2 2 2]
  [3 3 3]]

 [[3 3 3]
  [4 4 4]]

 [[2 2 2]
  [3 3 3]]

 [[2 2 2]
  [3 3 3]]

 [[1 1 1]
  [2 2 2]]]
[[4 4]
 [5 5]
 [4 4]
 [4 4]
 [3 3]]

x3,y3 = data_gen2[0]

print(x3)
print(y3)

[[[2 2 2]
  [3 3 3]]

 [[3 3 3]
  [4 4 4]]

 [[2 2 2]
  [3 3 3]]

 [[2 2 2]
  [3 3 3]]

 [[1 1 1]
  [2 2 2]]]
[[4 4]
 [5 5]
 [4 4]
 [4 4]
 [3 3]]