Я столкнулся с проблемой, аналогичной той, которая указана в этом вопросе: Керас неверно истолковывает форму данных обучения
У меня есть точки данных различной длины. Я сгруппировал их в группы малых, средних и больших, дополняя их до ближайшего диапазона, то есть малого, среднего и большого. Итак, теперь у меня есть 3 группы, имеющие точки данных разной длины между группами, но все точки данных в группе имеют одинаковую длину. Однако проблема заключается в том, что каждая группа имеет разное количество точек данных, т.е. размер группы.
Подскажите, пожалуйста, как мне обучить LSTM в такой ситуации?
Должен ли я использовать fit_generator (). Если так, я не понимаю, как мне создать объект генератора для этих 3 групп, т.е. массивов nd- numpy?
Кроме того, я запутался в том, как будет работать batch_size, steps_per_epoch в этом контекст, в котором каждая группа переменной длины имеет разный размер (т. е. различное количество строк / последовательностей данных)
Спасибо