机器算法验证 - 使用 RNN (LSTM) 预测时间序列向量 (Theano) - 吾爱随笔录

我有一个非常简单的问题，但我找不到合适的工具来解决它。

我有一些相同长度的向量序列。现在我想在这些序列的训练样本上训练 LSTM RNN，然后让它预测新的长度向量序列 $n$ 基于几个启动向量。

我找不到可以做到这一点的简单实现。我的基础语言是 Python，但任何几天都没有安装的东西都可以使用。

我尝试使用Lasagne，但 RNN 的实现还没有准备好，它在单独的包nntools中。无论如何，我尝试了后一种，但我不知道如何训练它，然后通过一些测试向量启动它并让它预测新的。块是同样的问题——LSTM RNN 没有可用的文档，尽管似乎有一些类和函数可以工作（例如blocks.bricks.recurrent）。

Theano 中有几种 RNN LSTM 的实现，比如,GroundHog和一些论文的代码，但没有一个有教程或指导如何做我想做的事。theano-rnntheano_lstm

我发现唯一可用的解决方案是使用 Pybrain。但不幸的是，它缺乏 Theano 的特性（主要是 GPU 计算）并且是孤立的（没有新特性和支持）。

有谁知道我在哪里可以找到我要的东西？易于使用 RNN LSTM 预测向量序列？

编辑：

我像这样尝试过 Keras：

from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation
from keras.layers.embeddings import Embedding
from keras.layers.recurrent import LSTM

model = Sequential()
model.add(Embedding(12, 256))
model.regularizers = []
model(LSTM(256, 128, activation='sigmoid', 
               inner_activation='hard_sigmoid'))
model.add(Dropout(0.5))
model.add(Dense(128, 12))
model.add(Activation('sigmoid'))
model.compile(loss='mean_squared_error', optimizer='rmsprop')

但是我在尝试适应它时遇到了这个错误model.fit(X_train, y_train, batch_size=16, nb_epoch=10)

IndexError: index 800 is out of bounds for axis 1 with size 12

whileX_train和y_train是数组的数组（长度为 12），例如[[i for i in range(12)] for j in range(1000)]