何时在时间序列中使用生成器 TensorFlow答案

【问题标题】：When to use generator TensorFlow in time series何时在时间序列中使用生成器 TensorFlow
【发布时间】：2020-12-15 18:21:06
【问题描述】：

我正在构建一个 LSTM ANN，但我不确定在我的情况下使用生成器。网络应该有几个它应该迭代的超参数，例如时期，激活函数......但是，如果在这种情况下使用生成器，则每次迭代都在不同的集合上进行训练，对吗？那么更正确的是使用列表或数组吗？谢谢

for epoch in EPOCHS do:
for activation in ACTIVATION do:
trainLSTM(epoch, activation)
save best model

【问题讨论】：

标签： tensorflow generator lstm

【解决方案1】：

建议Time Series Data使用Generator，在Tutorial of Tensorflow Time Series Analysis中有详细说明。这种Generator 的代码如下所示：

class WindowGenerator():
  def __init__(self, input_width, label_width, shift,
               train_df=train_df, val_df=val_df, test_df=test_df,
               label_columns=None):
    # Store the raw data.
    self.train_df = train_df
    self.val_df = val_df
    self.test_df = test_df

    # Work out the label column indices.
    self.label_columns = label_columns
    if label_columns is not None:
      self.label_columns_indices = {name: i for i, name in
                                    enumerate(label_columns)}
    self.column_indices = {name: i for i, name in
                           enumerate(train_df.columns)}

    # Work out the window parameters.
    self.input_width = input_width
    self.label_width = label_width
    self.shift = shift

    self.total_window_size = input_width + shift

    self.input_slice = slice(0, input_width)
    self.input_indices = np.arange(self.total_window_size)[self.input_slice]

    self.label_start = self.total_window_size - self.label_width
    self.labels_slice = slice(self.label_start, None)
    self.label_indices = np.arange(self.total_window_size)[self.labels_slice]

  def __repr__(self):
    return '\n'.join([
        f'Total window size: {self.total_window_size}',
        f'Input indices: {self.input_indices}',
        f'Label indices: {self.label_indices}',
        f'Label column name(s): {self.label_columns}'])

例如，如果您的 Data 是从 1960 年（1 月 1 日）到 2016 年（12 月 31 日），并且您想要 predict 2017 年整个二月的天气，请考虑过去2年的数据窗口，上述类的参数值如下所示：

input_width: 2 Years => 365 * 2 = 730
label_width: Entire Feb Month => 28
shift: We are not predicting from Jan 1st 2017 but are shifting by entire Month of Jan => 30
train_df, test_df, val_df => Self Explanatory
label_columns : Name of the Target Column

【讨论】：