keras 中的lstm

最新推荐文章于 2025-06-12 13:51:51 发布

原创

最新推荐文章于 2025-06-12 13:51:51 发布 · 492 阅读

1 ·

CC 4.0 BY-SA版权

本文详细探讨了Keras库中LSTM(long short-term memory)模型的使用，包括其工作原理、参数配置以及在序列数据建模中的应用实例。通过实例解析，读者将能掌握如何在Keras中有效利用LSTM进行序列预测和文本处理任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from keras.utils import np_utils
# fix random seed for reproducibility
numpy.random.seed(7)
def process_data():
    # define the raw dataset
    alphabet = "ABCDEFGHIJKLMNOPQRSTUVWXYZ"
    # create mapping of characters to integers (0-25) and the reverse
    char_to_int = dict((c, i) for i, c in enumerate(alphabet))
    int_to_char = dict((i, c) for i, c in enumerate(alphabet))
    seq_length =3
    sample_length=len(alphabet)
    dataX = []
    dataY = []
    for i in range(0, len(alphabet) - seq_length, 1):
        seq_in = alphabet[i:i + seq_length]
        # seq_in = alphabet[i]
        seq_out = alphabet[i + seq_length]
        dataX.append([char_to_int[char] for char in seq_in])
        dataY.append(char_to_int[seq_out])
        # print (seq_in, '->', seq_out)
    # print(dataX)
    # reshape X to be [samples, time steps, features]

    a=len(dataX)
    b=a/2
    # print(a/2)
    # X = numpy.reshape(dataX, (len(dataX), 1,seq_length))#timesteps这个参数，我们设置了1
    X = numpy.reshape(dataX, (len(dataX),seq_length, 1))#timesteps这个参数，此处设置了3

    # X = numpy.reshape(dataX, (12, 1,seq_length ))#lstm要求三维的输入，所以需要将原始数据转成3维的,这里将原始数据做成了24个矩阵，每个矩阵是1行1列的，
    #当然可以做成12个矩阵，每个矩阵是1行2列的
    # normalize，归一化
    X