Pandas 为RNN加载数据

在RNN训练示例中，我注意到输入数据和目标数据都是三维数组，需要定义输入和输出之间的时间步长延迟

input_seqs = np.zeros((num_batches, num_time_steps, batch_size), dtype=floatX)
target_seqs = np.zeros((num_batches, num_time_steps, batch_size), dtype=floatX)
target_seqs[0:-1, :] = input_seqs[1:, :]

我想为RNN培训加载自定义数据-输入向量=1，输出向量=1，时间步长=1（请参阅附件data1a.csv）。重塑在这里不起作用。有人能举例说明怎么做吗

train = pd.read_csv("data1a.csv")
input = np.array(train.values[:][:, 1:2], dtype=np.float32)
input_seqs = ???
target_seqs = ???

谢谢

数据链路：

我只是有一些想法，但不知道如何继续：

train = pd.read_csv("data1a.csv")
dataset = np.array(train.values[:][:, 1:2], dtype=np.float32)

def batch(): 
    inputs = np.zeros((batch_size, time_steps, dataset.shape[1]), 'f') 
    outputs = np.zeros((batch_size, time_steps, dataset.shape[1]), 'f') 
    for b in range(batch_size): 
        i = np.random.randint(len(dataset) - time_steps - 1) 
        inputs[b] = dataset[i:i+time_steps] 
        outputs[b] = dataset[i+1:i+1+time_steps] 
    return [inputs, outputs] 

下一步是什么

input_seqs = ???
target_seqs = ???

---

现在还不清楚你想要实现什么。您的数据似乎包含单个序列；这是你的完整训练数据集吗？如果是这样，您想要一个包含大小为1的单个批次（即num_batches=1和batch_size=1）的三维张量吗？是否希望两列都成为输入序列的一部分？如果是这样，这将使其成为4D张量。在data1a.csv的情况下，输入的结构可以如下所示：num_batches=1，batch_size=1，num_time_steps将是40个来自新增加数量的数字。（在RNN示例中不是零数组）。所以我认为它应该是一个三维张量。此外，如果num_batches=2和batch_size=2，如何构造输入？num_batches>1和batch_size>1只有在您有更多数据时才有意义。如果您有更多数据，它在源CSV中的结构如何？或者您想从单个CSV构建多个较短的序列（例如，2个长度为20的序列或4个长度为10的序列）？我在问题中添加了一些代码。将数据传输到网络的时间步长为1，并以n+1时间步长预测输出。你能解释一下吗？我还是不明白你想干什么。考虑到您拥有的培训数据非常有限，也许您可以用您希望最终得到的实际批处理结构来更新您的问题？