在keras中喂LSTM

Question

我对keras很陌生。我想知道是否有人可以帮助我如何将我的脑电图数据输入 LSTM。我从 306 个通道进行了 1400 次试验，长度为 600 点。

1- 我想创建一个 LSTM 网络，在每个时间步 t，第一层接受所有通道的输入（所有 EEG 通道最初都被送入同一个 LSTM 层）

2- 还有另一个网络由几个 306 个 LSTM 组成，每个 LSTM 在第一层仅连接到一个输入通道，然后是第二个编码层执行通道间分析，通过接收级联的输入所有通道 LSTM 的输出向量。

谢谢

Answer 1

如果我没看错的话，代码应该是这样的：

def lstm_model():
   hidden_units = 512  # may increase/decrease depending on capacity needed
   timesteps = 600
   input_dim = 306
   num_classes = 10    # num of classes for ecg output
   model = Sequential()
   model.add(LSTM(hidden_units, input_shape=(timesteps, input_dim)))
   model.add(Dense(num_classes))
   adam = Adam(lr=0.001)
   model.compile(loss='categorical_crossentropy', optimizer=adam, metrics=['accuracy'])
   return model

def train():
   xt = np.array([])  # input_data shape = (num_trials, timesteps, input_dim)
   yt = np.array([])  # out_data shape = (num_trials, num_classes)
   batch_size = 16
   epochs = 10
   model = lstm_model()
   model.fit(xt, yt, epochs=epochs, batch_size=batch_size, shuffle=True)

在keras中喂LSTM

feed LSTM in keras

keras

keras-layer