Python 如何将此数据加载到LSTM中？

分类问题： 数据被分成两个文件夹。CSV仅包括数据。 我的示例模型的代码是：

model = Sequential()
model.add(CuDNNLSTM(3, input_shape=(None, 3), return_sequences=False))
model.add(Dropout(0.1))
model.add(Dense(1, activation='softmax'))

问题1:除了KERA生成器之外，还有其他方法可以控制加载哪些文件吗？
问题2:除了batchsize为1之外，是否还有其他方法可以使可变时间步成为可能？ 问题3:这是LSTM接受可变时间步长的正确代码吗？如果没有，请建议更好的方法

input_shape=(None, 3)

问题1和2 案例1，你的数据符合你的记忆 只需将数据加载到阵列中并填充数据：

将熊猫作为pd导入
将numpy作为np导入
导入操作系统
从keras.preprocessing.sequence导入pad_序列
#您的类文件夹-选择正确的名称
folder0=“class0”
folder1=“class1”
#x和y最初作为列表
fileContents=[]
fileClasses=[]
#每个目录中的文件列表
files0=os.listdir（folder0）
files1=os.listdir（folder1）
#加载类0的数据
对于文件0中的f：
f=文件夹0+“/”+f
如果f中的“.csv”：
frame=pd.read_csv（f）#如果文件中没有标题，则使用header=None
fileContents.append（frame.values）
fileClasses.append（0）#追加正确的类
打印（帧值）
#加载类1的数据
对于文件1中的f：
f=文件夹1+“/”+f
如果f中的“.csv”：
帧=pd.read\U csv（f）
fileContents.append（frame.values）
fileClasses.append（1）#追加正确的类
打印（帧值）
#填充序列，使它们具有相同的长度，并转换为numpy
#为您选择最佳值，例如，我选择了0
paddedSequences=pad_序列（fileContents，padding='post'，value=0）
x_序列=np.阵列（填充序列）
y_train=np.array（文件类）

稍后，您需要在模型中使用

掩蔽（0）

层来忽略用于填充的0值

案例2，你的数据不符合你的记忆 创建Python生成器或

keras.utils.Sequence

以与

model.fit\u生成器（）一起使用

加载数据的原理与案例1完全相同，但您将以较小的批量进行加载

这也是一个很好的机会，可以按长度分隔文件，并输出类似长度的批处理（这意味着减少无用的填充）

有很多答案和教程解释如何创建这两个选项。例如，Keras文档教导
序列
：

问题3
完全正确。
谢谢您的回答！我感谢你的详细解释。代码和您关于批量大小、生成器等的提示让我清楚地了解了Keras的输入。