用于序列数据的 LSTM 自动编码器答案

【问题标题】：LSTM Autoencoder for sequence data用于序列数据的 LSTM 自动编码器
【发布时间】：2020-07-03 16:24:53
【问题描述】：

我对 LSTM 领域完全陌生。是否有任何提示可以优化我的自动编码器以重建 len = 300 序列的任务

瓶颈层应该有 10-15 个神经元

model = Sequential()
model.add(LSTM(128, activation='relu', input_shape=(timesteps,1), return_sequences=True))
model.add(LSTM(64, activation='relu', return_sequences=False))
model.add(RepeatVector(timesteps))
model.add(LSTM(64, activation='relu', return_sequences=True))
model.add(LSTM(128, activation='relu', return_sequences=True))
model.add(TimeDistributed(Dense(1)))
model.compile(optimizer='adam', loss='mae')

代码复制自：https://towardsdatascience.com/step-by-step-understanding-lstm-autoencoder-layers-ffab055b6352

目前结果只是一个 nan 的序列：[nan, nan, nan ... nan, nan]

序列类似于下图：

【问题讨论】：

标签： python keras lstm

【解决方案1】：

我相信您在这里使用的激活函数，即“relu”可能会扼杀渐变。尝试使用适合您数据的其他激活函数，例如“tanh”。

【讨论】：