我有以下数据框，其中包含我一直用来使用 CNN + FC 执行回归任务的训练数据：

     fileName  var_t+15m  var_t+30m  var_t+45m  var_t+60m  var_t+90m  var_t+120m  var_t+180m  var_t+240
id                                                                                                                             
2016-10-15 15:00:00  201610151500.jpg     211.00     197.80     170.80      66.90    34.2000   10.120000    0.000867   0.001267
2016-10-15 15:15:00  201610151515.jpg     197.80     170.80      66.90      71.75    20.1600    2.120000    0.001534   0.000534
2016-10-15 15:30:00  201610151530.jpg     170.80      66.90      71.75      34.20    10.1200    0.206200    0.001000   0.001067
2016-10-15 15:45:00  201610151545.jpg      66.90      71.75      34.20      20.16     2.1200    0.012270    0.000400   0.000733
2016-10-15 16:00:00  201610151600.jpg      71.75      34.20      20.16      10.12     0.2062    0.000867    0.001267   0.000934

该任务包括在 t+X 预测某个变量，其中 X 从 15 分钟到 240 分钟。所以这是一个回归任务，我的训练输入包含带时间戳的图片。

为了处理这些数据，到目前为止，我一直在使用 Keras 的 .flow_from_dataframe 方法，以便轻松地执行数据增强/预处理，并避免在内存中加载由图片组成的整个训练集。

到目前为止，我还没有利用时间信息，为此我想尝试 Keras 中可用的 convLSTM 模型。但是，我对使用时间序列非常不熟悉。

有人使用过 Keras convLSTM 层和 .flow_from_dataframe 函数吗？我不确定如何为这个设置构建我的数据（convLSTM + .flow_from_dataframe），我在互联网上找不到一个例子。