如何检查 LSTM 的准确性？

Question

意图：我正在尝试实现一个 LSTM 模型，该模型可以预测给定动作的边界框的变化。我的输入是：行动边界框点 0边界框点 1边界框点 2边界框点 3班级号分数我有一个包含 5 行剧集的数据集（每个剧集需要 5 行数据集），剧集的第一个动作始终为 0（开始动作），而要预测的动作是第 5 个。数据集：act b0  b1  b2  b3  id  score0   85  238 129 256 69  0.92898654937744141   -1  -1  -1  -1  -1  -11   -1  -1  -1  -1  -1  -12   -1  -1  -1  -1  -1  -13   -1  -1  -1  -1  -1  -1                 //row to to predict//0   46  136 256 245 73  0.93698924779891971   18  18  256 252 73  0.82039213180541991   144 212 169 223 10  0.96303576231002811   13  9   252 199 73  0.93742138147354133   -1  -1  -1  -1  -1  -1                 //row to predict//0   215 141 255 233 72  0.99410289525985722   199 116 243 183 74  0.86854839324951173   215 141 255 233 72  0.99411845207214361   189 78  215 95  76  0.86103761196136473   206 50  255 169 72  0.8224002122879028 //row to predict//0   -1  -1  -1  -1  -1  -13   19  129 249 253 73  0.86352258920669562   -1  -1  -1  -1  -1  -12   0   78  13  91  10  0.94884544610977173   -1  -1  -1  -1  -1  -1                 //row to predict//0   206 123 255 189 62  0.99803322553634642   221 197 256 255 62  0.97825247049331672   -1  -1  -1  -1  -1  -12   -1  -1  -1  -1  -1  -11   -1  -1  -1  -1  -1  -1                 //row to predict//0   184 78  243 169 72  0.99534577131271362   191 139 254 246 72  0.99295288324356083   184 78  243 169 72  0.99539631605148323   197 1   254 91  72  0.99561250209808352   184 78  243 169 72  0.9953963160514832 //row to predict//-1是没有边界框。

Answer 1

如果您的数据维度正确，则您的每个输入（过滤器）中都会缺少一个额外的维度。

rnn.fit(

        [

            x_training["act"].reshape(episode_length, 1),

            x_training["b0"].reshape(episode_length, 1),

            x_training["b1"].reshape(episode_length, 1),

            x_training["b2"].reshape(episode_length, 1),

            x_training["b3"].reshape(episode_length, 1),

            x_training["class_id"].reshape(episode_length, 1),

            x_training["score"].reshape(episode_length, 1)

        ],

        [

            y_training["b_box"]

        ],

        validation_data=(

                    [

                        x_test["act"].reshape(episode_length, 1),

                        x_test["b0"].reshape(episode_length, 1),

                        x_test["b1"].reshape(episode_length, 1),

                        x_test["b2"].reshape(episode_length, 1),

                        x_test["b3"].reshape(episode_length, 1),

                        x_test["class_id"].reshape(episode_length, 1),

                        x_test["score"].reshape(episode_length, 1)        

                    ],

                    [

                        y_test["b_box"]        

                    ]

                ),

        epochs=1,

        batch_size=3200

    )