我正在嘗試根據(jù)約 4000 支股票的每日基本面和價格數(shù)據(jù)訓練 LSTM 模型，由于內(nèi)存限制，在轉(zhuǎn)換為模型的序列后，我無法將所有內(nèi)容都保存在內(nèi)存中。這導致我使用生成器來代替 Keras / Tensorflow 的TimeseriesGenerator。問題是，如果我嘗試在所有堆疊的數(shù)據(jù)上使用生成器，它將創(chuàng)建混合股票序列，請參見下面的示例，序列為 5，這里序列 3將包括“股票 1 ”的最后 4 個觀察值和第一個觀察“股票2 ”相反，我想要的是類似于這個：稍微類似的問題：Merge or append multiple Keras TimeseriesGenerator objects into one我探索了像這樣組合生成器的選項 SO 建議：我如何組合兩個 keras 生成器函數(shù)，但是在大約 4000 個生成器的情況下這不是想法。我希望我的問題是有道理的。
1 回答
一只名叫tom的貓
TA貢獻1906條經(jīng)驗 獲得超3個贊
所以我最終要做的是手動進行所有預(yù)處理并為每個包含預(yù)處理序列的庫存保存一個 .npy 文件，然后使用手動創(chuàng)建的生成器進行批量處理：
class seq_generator():
def __init__(self, list_of_filepaths):
self.usedDict = dict()
for path in list_of_filepaths:
self.usedDict[path] = []
def generate(self):
while True:
path = np.random.choice(list(self.usedDict.keys()))
stock_array = np.load(path)
random_sequence = np.random.randint(stock_array.shape[0])
if random_sequence not in self.usedDict[path]:
self.usedDict[path].append(random_sequence)
yield stock_array[random_sequence, :, :]
train_generator = seq_generator(list_of_filepaths)
train_dataset = tf.data.Dataset.from_generator(seq_generator.generate(),
output_types=(tf.float32, tf.float32),
output_shapes=(n_timesteps, n_features))
train_dataset = train_dataset.batch(batch_size)
Wherelist_of_filepaths只是預(yù)處理 .npy 數(shù)據(jù)的路徑列表。
這將：
加載隨機股票的預(yù)處理 .npy 數(shù)據(jù)
隨機選擇一個序列
檢查序列的索引是否已經(jīng)被使用
usedDict如果不：
附加該序列的索引
usedDict以跟蹤不向模型提供兩次相同的數(shù)據(jù)產(chǎn)生序列
這意味著生成器將在每次“調(diào)用”時從隨機股票中提供單個唯一序列，使我能夠使用來自 Tensorflows數(shù)據(jù)集類型的.from_generator()和方法。.batch()
添加回答
舉報
0/150
提交
取消