Neural network RNN'；我们在凯拉斯上跑？

我正在阅读他们网站上的Keras文档（[），我注意到他们对批次的定义是，他们并行运行批次中的每个样本。对于几乎任何类型的神经网络，这都是完全可以接受的，但如果我运行的RNN的stateful设置为默认值False，这是否意味着我的每个样本的隐藏状态都被重置

我的印象是，在对权重进行更新之前，每个批都是按顺序运行的，因此，隐藏状态的唯一损失是当批更改时（因为我将stateful设置为False）

---

我的理解错了吗？

每个样本都是一个单独的序列。而状态（序列处于当前时间步的状态）仅对每个序列单独有意义

一个序列不能影响另一个序列的状态

因此，批处理中的每个序列都有一个并行状态

在有状态层中，这些并行状态将保持不变（直到您这样说，序列才结束）

---

这里还有另一个相关的问题：

如果我不定义一个时间步（窗口），那么Keras将如何处理该批？我不确定你称之为窗口的内容。数据的形状必须是

（BatchSize，TimeSteps，FeaturesPerStep）

。状态由TimeSteps.model.add更新（LSTM（32，input_shape=（588425,26），return_sequences=True））model.add（densite（1））model.compile（loss='mean_squared_error'，optimizer='adam'，metrics='accurity']）filepath=“model_check-{epoch:02d}-{loss:.4f}.hdf5”checkpoint=ModelCheckpoint（filepath，monitor='loss'，verbose=1，save_best_only=True，mode='min'）callbacks\u list=[checkpoint]model.fit（df_矩阵，y_矩阵，历代=5，批量大小=100000，详细=2）嗯，格式化在那里不起作用。但基本上，我把batchsize放在modelfit的最后，而不是更早地将数据输入到模型本身。它似乎在运行。时间步是整个数据流，我正在将其切割成100k间隔。输入数据的形状是什么？如果是

（1588425，26）

您只有一个样本。在这种情况下，您的批量大小将不会生效，因为它始终为1。您有一个样本，时间步长为588425。