LSTM：timestep，batchsize

NLP

一个句子：一个sample

一个句子由n个词：n个timestep

一个词是k维的词向量：k个feature

 

时间序列

时间序列是一个n行m列的excel表

• n行：共有n个观察记录，每个时间点一次（6点、7点、8点....各观察一次）
• m列：每一条观察记录，由m个观察项目（6点：风速，湿度，温度，光照....)

m列：m个feature

n行：n个timestep

所有的timestep：一个sequence；利用滑动窗口，可将一个sequenc分成多个sub_sequence

 

Batch_size

前面的timestep是训练参数，由网络的结构决定；Batch_size是训练参数，可以在训练时调整。

 

训练过程（一个epoch）：

Batch_size=1：把一个sequence放进网络里，得出一个结果；有多个sequence，就要进行多轮训练，得到多个结果。结果和标签构成loss函数，最小化loss函数。更新参数。

Batch_size=2：把两个sequence同时放进网络（有两个网络？），同时训练（相当于并行处理），可同时得到两个结果。将所有结果和标签构成loss函数，最小化loss。更新参数。