我正在 Keras 上试验（阅读：玩耍）LSTM。我想训练一个 LSTM 网络，以便它“跟踪”正弦波，也就是说，给定具有不同波长、相位和长度的正弦波，它会输出其余的波。从某种意义上说，一个多对多的问题。

我决定网络需要同时“跟踪” 5 个正弦波。我会生成随机正弦波并使用最后的 50 个数据点作为 NN 的所需输出。

我的代码如下：

from keras.models import Sequential
from keras.layers import LSTM, Dense, TimeDistributed,Lambda, Dropout
import numpy as np

model = Sequential()

model.add(LSTM(32, return_sequences=True, input_shape=(None, 5)))
model.add(Dropout(0.2))
model.add(LSTM(32, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(32, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(32, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(32, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(5, return_sequences=True))
model.add(Lambda(lambda x: x[:, -50:, :])) # Grab only the last 50 values



print(model.summary())

model.compile(loss='mean_squared_error',
              optimizer='adam')


def make_line(length):
    shift= np.random.random()
    wavelength = 5+10*np.random.random()
    a=np.arange(length)
    answer=np.sin(a/wavelength+shift)
    return answer




def make_data(seq_num,seq_len,dim):
    data=np.array([]).reshape(0,seq_len,dim)
    for i in range (seq_num):
        mini_data=np.array([]).reshape(0,seq_len)
        for j in range (dim):
            line = make_line(seq_len)
            line=line.reshape(1,seq_len)            
            mini_data=np.append(mini_data,line,axis=0)
        mini_data=np.swapaxes(mini_data,1,0)
        mini_data=mini_data.reshape(1,seq_len,dim)      
        data=np.append(data,mini_data,axis=0)
    return (data)



def train_generator():
    while True:
        sequence_length = np.random.randint(50, 150)+50     
        data=make_data(1000,sequence_length,5)
        x_train = data[:,:-50,:] # all but last 50      
        y_train = (data[:, -50:, :]) # last 50      
        yield x_train, y_train


model.fit_generator(train_generator(), steps_per_epoch=30, epochs=100, verbose=1,validation_data=train_generator(),validation_steps=30)
model.save('vi2h_model.h5')

然后我尝试生成数据并使用模型来预测正弦波的延续：

def data_generator():
    while True:
        sequence_length = np.random.randint(50, 150)+50
        data=make_data(1000,sequence_length,5)
        x_train = data[:,:-50,:]    
        y_train = (data[:, -50:, :])                
        return x_train, y_train


x,y= data_generator()   

model = load_model('vi2h_model.h5')
pred=model.predict (x)
np.save ('pred.npy',pred)
np.save ('y.npy',y)
np.save ('x.npy',x)

在检查网络预测正弦波延续的能力时（例如，比较 y[0,:,0] 和 pred[0,:,0]，以便比较第一个生成数据的第一个正弦波)，看到我的网络表现非常糟糕：

（编辑：图例：样本正弦波（分别为蓝色和橙色）中预测的与实际的 50 个最后点，放置在用作 NN 输入的波部分之后）

我做错了什么？我的代码应该如何正确跟踪正弦波？非常感谢！