Python 如何根据需要为LSTM生成3D Numpy阵列
我目前正在尝试使用一个通过Keras实现的“简单”LSTM网络，用于一个夏季项目。查看给出的示例代码，似乎LSTM代码需要一个预生成的3D numpy数组。由于我想要使用的数据集和相关的时间间隔都相当大，因此我很难一次加载“完整数组”。是否可以加载原始数据集并根据网络需要对其应用序列变换（在本例中，从x时间间隔窗口构建3D阵列，然后每次递增1）？如果是这样的话，你会怎么做Python 如何根据需要为LSTM生成3D Numpy阵列,python,numpy,keras,lstm,training-data,Python,Numpy,Keras,Lstm,Training Data,我目前正在尝试使用一个通过Keras实现的“简单”LSTM网络，用于一个夏季项目。查看给出的示例代码，似乎LSTM代码需要一个预生成的3D numpy数组。由于我想要使用的数据集和相关的时间间隔都相当大，因此我很难一次加载“完整数组”。是否可以加载原始数据集并根据网络需要对其应用序列变换（在本例中，从x时间间隔窗口构建3D阵列，然后每次递增1）？如果是这样的话，你会怎么做 谢谢你能提供的任何帮助 我在用户rocketknight提供的Keras slack上找到了答案。使用model.fit_生
谢谢你能提供的任何帮助 我在用户rocketknight提供的Keras slack上找到了答案。使用model.fit_生成器功能。在主python脚本中的某个地方定义一个生成器函数，该函数“生成”一批数据。然后在model.fit_生成器函数的参数中调用此函数