如何检查 LSTM 的准确性？

Question

意图：

我正在尝试实现一个 LSTM 模型，该模型可以预测给定动作的边界框的变化。

我的输入是：

• 行动

• 边界框点 0

• 边界框点 1

• 边界框点 2

• 边界框点 3

• 班级号

• 分数

我有一个包含 5 行剧集的数据集（每个剧集需要 5 行数据集），剧集的第一个动作始终为 0（开始动作），而要预测的动作是第 5 个。

数据集：

act b0  b1  b2  b3  id  score

0   85  238 129 256 69  0.9289865493774414

1   -1  -1  -1  -1  -1  -1

1   -1  -1  -1  -1  -1  -1

2   -1  -1  -1  -1  -1  -1

3   -1  -1  -1  -1  -1  -1                 //row to to predict//

0   46  136 256 245 73  0.9369892477989197

1   18  18  256 252 73  0.8203921318054199

1   144 212 169 223 10  0.9630357623100281

1   13  9   252 199 73  0.9374213814735413

3   -1  -1  -1  -1  -1  -1                 //row to predict//

0   215 141 255 233 72  0.9941028952598572

2   199 116 243 183 74  0.8685483932495117

3   215 141 255 233 72  0.9941184520721436

1   189 78  215 95  76  0.8610376119613647

3   206 50  255 169 72  0.8224002122879028 //row to predict//

0   -1  -1  -1  -1  -1  -1

3   19  129 249 253 73  0.8635225892066956

2   -1  -1  -1  -1  -1  -1

2   0   78  13  91  10  0.9488454461097717

3   -1  -1  -1  -1  -1  -1                 //row to predict//

0   206 123 255 189 62  0.9980332255363464

2   221 197 256 255 62  0.9782524704933167

2   -1  -1  -1  -1  -1  -1

2   -1  -1  -1  -1  -1  -1

1   -1  -1  -1  -1  -1  -1                 //row to predict//

0   184 78  243 169 72  0.9953457713127136

2   191 139 254 246 72  0.9929528832435608

3   184 78  243 169 72  0.9953963160514832

3   197 1   254 91  72  0.9956125020980835

2   184 78  243 169 72  0.9953963160514832 //row to predict//

-1是没有边界框。

Answer 1

如果您的数据维度正确，则您的每个输入（过滤器）中都会缺少一个额外的维度。rnn.fit(        [            x_training["act"].reshape(episode_length, 1),            x_training["b0"].reshape(episode_length, 1),            x_training["b1"].reshape(episode_length, 1),            x_training["b2"].reshape(episode_length, 1),            x_training["b3"].reshape(episode_length, 1),            x_training["class_id"].reshape(episode_length, 1),            x_training["score"].reshape(episode_length, 1)        ],        [            y_training["b_box"]        ],        validation_data=(                    [                        x_test["act"].reshape(episode_length, 1),                        x_test["b0"].reshape(episode_length, 1),                        x_test["b1"].reshape(episode_length, 1),                        x_test["b2"].reshape(episode_length, 1),                        x_test["b3"].reshape(episode_length, 1),                        x_test["class_id"].reshape(episode_length, 1),                        x_test["score"].reshape(episode_length, 1)                            ],                    [                        y_test["b_box"]                            ]                ),        epochs=1,        batch_size=3200    )