具有 3x8 特征矩阵的 TensorFlow LSTM

Question

我正在尝试设计一个 python 3 张量流 LSTM 来处理数据集。 我的问题是特征集是一个矩阵 - 8 组数字，其中每组是 1,2 或 3 个数字。目前我将数据存储为 3x8 矩阵，其中只有 1 或 2 个数字的集合最初具有尾随 -1（实际数据永远不会低于 0）。

例如

[
  [447, -1, -1]
  [147, -1, -1]
  [1120, 10, 1111]
  [0, 0, -1]
  [39, 39, -1]
  [2, 0, -1]
  [27, 24, -1]
  [7, -1, -1]
]
is the same as
[447, 147, [1120, 10, 1111], [0, 0], [39, 39], [2, 0], [27, 24], 7]

我有大约 90 个时间序列（可以扩展大约 3 倍），大约有 150 个样本。 我知道我需要将这些数据转换为一组张量，但据我所知，使用 (nb_of_samples, seq_len, features)，我得到类似 (150, 90, [3x8]) 的东西。 我不知道如何把它变成一组可用的张量，或者是否有办法让我自己更轻松。

第一次发帖，如果答案是指向现有答案的链接，或者我没有提供足够的信息，非常抱歉，但我似乎无法通过搜索找到类似的内容。

Answer 1

更简单的过程： 将特征存储在一个列表中，并保留一个单独的列表来跟踪特征的名称和顺序。 所以 3x8 变成 1x14，没有尾随的 -1 值。