Python 向Keras的LSTM提供培训任务

我将在Keras中使用LSTM。 我的训练示例是U1，U2，…，Uk，维度N*Tj，其中N是常数，Tj是Uj中每个样本的长度。 每个Uj都是一个带有Tj训练样本的任务。我将把这些k任务反馈给网络进行培训。模型应该经过U1（使用反向传播学习，批量大小不一定是T1），然后转到U2中的示例并学习它们，依此类推。一个时代在英国结束时结束。Uj和U（j+1）是两个不同的任务，网络不应在培训期间将它们组合在一起。（模型应该理解每个任务的开始和结束，也就是说，它不应该把下一个任务的元素看作是前一个任务中的序列的延续）。

---

如何将这些培训任务传送到网络？

您的描述非常抽象，但我会尽力回答您的问题：

我想Tj不应该随样品而改变。通常，所有样本都具有相同的维度和形状。 这有点让人困惑，因为你说样本的维度和样本的数量是一样的

不管怎样，你所说的真正的问题是，你想以特定的顺序向网络提供样本，它应该解决多个任务。您正在寻找的研究术语是深度学习中的多任务学习

这些多任务神经网络可以很好地处理彼此非常相关的分层任务。

---

如果你的任务差异很大，最好是针对每个任务训练一个神经网络。

有什么想法吗？我真的需要你的帮助。