Keras LSTM 层的输入形状应该是什么样的
How should the input shape of Keras LSTM layer looks like
我已经阅读了一段时间关于使用 tf.keras 训练 LSTM 模型的内容，我确实使用了相同的框架来解决使用简单 feedforward NN 架构的回归问题，我非常理解我应该如何为此类模型准备输入数据，但是在训练时 LSTM，我对输入的形状感到很困惑。
有很多需要注意的地方：time steps、number of samples、batch size、number of units等。此外还有很多参数为LSTM keras 我还不清楚的图层，如下例所示：
model.add(keras.layers.LSTM(units=3, batch_input_shape=(8,2,10), return_sequence=True, stateful= True))
所以我有以下外汇数据结构，但我不知道如何为 LSTM 模型正确重塑它。
open | close | high | low | volume | i1 | i2 | i3 | ... | i30 | nextClose
这些特征代表了某个货币对的open/close/high/low价格，除了成交量和从i1 -> i30的30个不同指标的值，所有这些特征都对应一个小步价。除了 nextClose 功能代表我希望预测的下一个 minuet tick 收盘价值。
Q1:谁能解释一下输入数据应该如何整形的一般概念，以及所有这些必需参数是什么（时间步长、批量大小.. .)?
问题 2： 我认为一个简单的例子可能很棒，我上面的数据结构应该如何重塑以看起来像 LSTM 的有效输入？
经过大量搜索后，我在图表中找到了 keras LSTM 的出色摘要，这非常有帮助。在 Keras_LSTM_Diagram git 存储库中检查它。
我已经阅读了一段时间关于使用 tf.keras 训练 LSTM 模型的内容，我确实使用了相同的框架来解决使用简单 feedforward NN 架构的回归问题，我非常理解我应该如何为此类模型准备输入数据，但是在训练时 LSTM，我对输入的形状感到很困惑。
有很多需要注意的地方：time steps、number of samples、batch size、number of units等。此外还有很多参数为LSTM keras 我还不清楚的图层，如下例所示：
model.add(keras.layers.LSTM(units=3, batch_input_shape=(8,2,10), return_sequence=True, stateful= True))
所以我有以下外汇数据结构，但我不知道如何为 LSTM 模型正确重塑它。
open | close | high | low | volume | i1 | i2 | i3 | ... | i30 | nextClose
这些特征代表了某个货币对的open/close/high/low价格，除了成交量和从i1 -> i30的30个不同指标的值，所有这些特征都对应一个小步价。除了 nextClose 功能代表我希望预测的下一个 minuet tick 收盘价值。
Q1:谁能解释一下输入数据应该如何整形的一般概念，以及所有这些必需参数是什么（时间步长、批量大小.. .)?
问题 2： 我认为一个简单的例子可能很棒，我上面的数据结构应该如何重塑以看起来像 LSTM 的有效输入？
经过大量搜索后，我在图表中找到了 keras LSTM 的出色摘要，这非常有帮助。在 Keras_LSTM_Diagram git 存储库中检查它。