以Keras为单位的预测流输出

Question

我在Keras有一个LSTM，我正在培训如何预测时间序列数据。我希望网络在每个时间步输出预测，因为它将每15秒接收一个新的输入。所以我正在努力的是训练它的正确方法，这样它就可以输出h_0，h_1，…，h，t，作为一个恒定的流，当它接收到x_0，x逖1，…，x趶t作为输入流。这样做有没有最佳实践？在

Answer 1

通过设置^{}，可以在LSTM层中启用有状态性。这将更改层的行为，使其始终使用上一次调用层的状态，而不是为每个layer.call(x)重置它。在

例如，具有32个单元的LSTM层，批次大小为1，序列长度为64，特征长度为10：

LSTM(32, stateful=True, batch_input_shape=(1,64,10))

连续调用predict将使用之前的状态。在