Tensorflow 预测序列

Question

所以我的任务是预测序列。我在时间 t 有 x,y,z 值，它们是浮点型。我必须预测在时间 (t + 1) 具有值 x,y,z 的序列。

TIME_STEP = 10

N_FEATURES = N_CLASSES = 3

LEARNING_RATE = 0.01

EPOCHS = 50

BATCH_SIZE = 10

x = tf.placeholder(tf.float32, shape = [None, N_FEATURES], name = 'name')

y = tf.placeholder(tf.float32, shape = [N_CLASSES], name = 'labels')

然后我有我的 lstm 模型，它看起来像：

    x = tf.transpose(x, [1, 0])

    x = tf.reshape(x, [-1, num_features])

    hidden = tf.nn.relu(tf.matmul(x, self.h_W) + self.h_biases)

    hidden = tf.split(hidden, self.time_step)

    lstm_layers = [tf.contrib.rnn.BasicLSTMCell(self.hidden_units, forget_bias=1.0) for _ in range(2)]

    lstm_layers = tf.contrib.rnn.MultiRNNCell(lstm_layers)

    outputs, _ = tf.contrib.rnn.static_rnn(lstm_layers, hidden, dtype = tf.float32)

    lstm_output = outputs[-1]

最后我定义了损失函数和优化器

loss = tf.reduce_mean(tf.square(y - y_pred))

opt = tf.train.AdamOptimizer(learning_rate = LEARNING_RATE).minimize(loss)

现在我想用前 10 个值来预测第 11 个值。所以我运行会话

for time in range(0, len(X)):

        sess.run(opt, feed_dict = {x : X[time: time + TIME_STEP ],

                                   y : Y[time + TIME_STEP + 1]})

但是当我检查这个函数的损失时，它有很大的价值，比如 99400290.0，它会随着时间的推移而增加。这是我第一次预测序列，所以我想我一定遗漏了一些重要的东西

Answer 1

是的，您应该标准化您的真实世界输入数据，并且它应该使用您在训练集上使用的相同缩放（相同参数）。原因是，现在您的模型已接受训练以接受特定形状和比例的输入，并且要使其按预期执行，您必须将测试输入扩展到它。（很抱歉将此作为答案发布，没有足够的代表发表评论）