LSTM的学习

记录下自己LSTM这几天卡住我的地方

1：LSTM的输入由上一个时间的细胞输出h(t-1)与这一个时间的输入xc组成，这两者通过组合成了时间t的输入。
2：当前时间步的输出为ht，该ht就是预测后的值，我的目标是产生一个单个的数值，所以通过linear线性变化，得到这个值，然后计算损失和反向传播梯度下降训练LSTM中的参数。对于分类问题softmax一样。
3：一些tensorflow中LSTM的参数理解，input_timesteps表示这一个环节拥有多少个lstm的小系统，比如我现在有32492的数据，其中50是组数，492是我每一次训练的数据，含49个那样的小系统，每次输入一个21的数据进去计算。

tensorflow函数的学习：
1：model.compile 为构建好的model添加优化器和损失函数。
2：callbacks = [EarlyStopping(monitor=‘val_loss’, patience=2),
ModelCheckpoint(filename=…, monitor=‘val_loss’, save_best_only=True)]
分为两个部分，EarlyStopping的意思是对loss的值进行一个判断，对于一定epoch中loss变化不大的就停止训练防止过拟合，其中patience就是管这个的，决定了啥时候要停，具体参数还没有完全学完。ModelCheckpoint表示保存这个最优值，保存到哪里，filename=，具体参数学习过程中。
3：model.fit(
x,
y,
epochs=epochs,
batch_size=batch_size,
callbacks=callbacks
)
x参数代表输入数据值，y代表标签值。
该函数返回一个日志，记录了损失函数和其他指标的数值随epoch变化的情况，如果有验证集的话，也包含了验证集的这些指标变化情况。