LSTM系列_LSTM的建模方法（5）——总结（完结）

 本章结构图：

 

长短期记忆（LSTM）系列文章是本人对博主Jason Brownlee博士文章学习的笔记，分享给大家一起学习如有版权问题请联系本人。

本专题包含4篇文章：

长短期记忆（LSTM）系列_LSTM的建模方法（1）——生成式LSTM网络,Encoder-Decoder LSTM网络,CNN LSTM（LRCN）网络建模介绍

长短期记忆（LSTM）系列_LSTM的建模方法（2）——如何堆叠多层LSTM网络

长短期记忆（LSTM）系列_LSTM的建模方法（3）——如何判断LSTM模型的过度拟合和欠拟合

长短期记忆（LSTM）系列_LSTM的建模方法（4）——Keras中如何保存和加载训练好的预测模型

上一个专辑中介绍了在构建一个神经网络模型前，如何准备用于输入训练的数据集，并搭建了一个最简单的神经网络模型，让我们可以实战操作一下。见文章。    长短期记忆（LSTM）系列_LSTM的数据准备（7）——总结（完结）

本专辑在此基础上，介绍了一些LSTM建模方法，比如：

如何构建一个堆叠的多层LSTM神经网络、

如何建立一个CNN_LSTM(LRCN)网络、

如何简历一个编码器-解码器LSTM网络、

在训练网络时如何判断网络是否出现过拟合和欠拟合的情况，如何解决上述问题、

在一个网络训练完成后，如何保存起来，以及应该如何调用已经保存的网络

学到这里，你就可以独立开发属于自己的LSTM网络了，下一章我们会进一步学习LSTM网络的一些特性。