Python 如何获得SimpleRN的多重预测

基本上我的系统是这样的

• 4个数组输入，返回1个数组输出
• 每个数组由12个数字组成

我的模型在下面

n_hidden = 512
input_shape = 12
input_len = 4 
model = Sequential()

model.add(SimpleRNN(n_hidden, input_shape=(input_len, input_shape), return_sequences=False))
model.add(Dense(n_hidden, activation="linear")) 
model.add(Dense(input_shape, activation="linear"))
opt = Adam(lr=0.001)
model.compile(loss='mse', optimizer=opt)
model.summary()

预测码

in_ = basicdata[0].x[:1]
# in_.shape =  (1,4,12)

predicted = []
NUM_DATA = 100
cnt = 0
for i in range(NUM_DATA):
    out_ = model.predict(in_)  
    #it returns only 1 answer.
    #out_.shape = (1, 12) 

    in_ = np.concatenate((in_.reshape(input_shape, input_len)[1:], out_), axis=0).reshape(1, input_shape,input_len) 
    if cnt == 0:
        predicted = out_
    else:
        predicted = np.concatenate([predicted,out_],axis=0)
    cnt = cnt + 1

在这种情况下，

model.predict

接受

（1,4,12）

并返回一个数组

（1,12）

，但是， 我想从多个候选对象中获取

（10,12）

样本

我猜SimpleRN的

return\u序列

和

batch\u size

是相关的，但仍然是模糊的

据我理解

• 返回\u序列

---

return\u sequences=False

A、 B，C，D=>（E）

return\u sequences=True

A、 B，C，D=>（A，B，C，D，E）

我想要下面这样的

A、 B，C，D=>（E1，E2，E3，E4，E5）

• 批量大小

batch\u size

会影响输入形状

---

我想更改输出。

返回\u sequences=False

（序列分类器）：

A、 B，C，D=>（E）

return\u sequences=True

（序列元素分类器）：

A、 B，C，D=>（A1，B1，C1，D1）

如果您的模型经过训练可以预测下一个符号，则：

A、 B，C，D=>（B，C，D，E）

可以创建此类模型：

A、 B，C，D=>（E1，E2，E3，E4，E5）

它是seq2seq模型（例如，对于翻译，输入的长度不同于输出的长度）。您必须创建两个RNN：编码器和解码器。据我所知，这不是你想要的

---

batch\u size

是训练参数，用于实现随机梯度下降。

非常感谢您的清晰解释。我可能误解了一些观点。在下一步中，我还需要学习

seq2seq

。