CNN,RNN的一些注意事项

https://www.bilibili.com/video/BV1B7411L7Qt?spm_id_from=333.999.0.0

CNN注意事项

tf.keras.layers.Conv1D（）
输入数据结构一定要是（数据条数，每条数据的个数，1）

法一

X = np.expand_dims(X, axis=2)         
# 给数据增加一个维度，使数据和网络结构匹配

法二

tensorflow.keras.layers.Conv2D（）
输入数据结构一定要是（数据条数，每条数据的长度，每条数据的宽度，1）

x_train = x_train.reshape(x_train.shape[0], 28, 28, 1)  
# 给数据增加一个维度，使数据和网络结构匹配

RNN注意事项

Embedding编码

使x_train符合Embedding输入要求：[送入样本数， 循环核时间展开步数] ，
相比于one_hot 形式，神经网络模型增加了一层Embedding（x，y） 层，先对输入数据进行编码，这里的x 表示词汇量，这里的y 表示每个单词用2 位数值编码

one_hot编码

使x_train符合SimpleRNN输入要求：[送入样本数， 循环核时间展开步数， 每个时间步输入特征个数]。

输入60个开盘价，预测出第61天的开盘价，循环核时间展开步数为60;
每个时间步送入的特征是某一天的开盘价，只有1个数据，故每个时间步输入特征个数为1
例如： x_train = np.reshape(x_train, (x_train.shape[0], 60, 1))

注意：

• 每个循环核有多个记忆体
• 记忆体的个数可以改变记忆容量
• 记忆体的个数可以随便设定