我有两个数据集，都有很多行，对于第一个数据集中的每一行，第二个数据集中的10列（提取的特征）我有18列（提取的特征） . 现在我想用两个数据集训练回归神经网络（在Keras中）但具有不同的 input_size （列） . 这是我的代码：
time_steps = 1 # the height of the image
input_size = 10 # extracted features dataset 1
BATCH_SIZE = 1
num_class = 7
model = Sequential()
# RNN cell
model.add(LSTM(batch_input_shape=(BATCH_SIZE, time_steps, input_size),
units=n_hidden_units, recurrent_dropout=0.3,
activation='tanh', recurrent_activation='hard_sigmoid'))
# output layer
model.add(Dense(num_class))
model.add(Activation('softmax'))
# optimizer
# adam = Adam(LR)
# compile model
model.compile(optimizer='nadam',
loss='categorical_crossentropy',
metrics=['accuracy'])
model.fit(data, target, epochs=25, batch_size=1, verbose=False)
prediction = model.predict_classes(data_test, batch_size=1)
以上代码仅适用于第一个数据集，以及如何查看 input_size=10 等于数据集1的要素数 .
我的问题是我该怎么办，如果我想训练一个像上面那样_2545678变量的Recurrent？
1 回答
在训练之前将所有序列填充到相同的长度 . 使用零填充 .