Keras中使用ClockworkRNN模型（cwrnn）

模型github地址：

https://github.com/liangzulin/cwrnn_for_keras_2_1_above

模型的訓練和預測結果：

模型從epochs=0一直到99次迭代後的訓練準確率和預測準確率曲線：

模型的簡單使用方法：

model = Sequential()
model.add(ClockworkRNN(units=90,
                       period_spec=[1, 2, 4, 8, 16],
                       input_shape=train_x.shape[1:],  # ---(samples, timesteps, dimension)
                       dropout_W=0.4,
                       return_sequences=True,
                       debug=cwrnn_debug))  # debug is for developing mode, you can remove
model.add(Dropout(.2))
model.add(TimeDistributed(Dense(units=1, activation='linear')))
model.compile(loss='mse', optimizer='sgd', metrics=['accuracy'])

model.fit(train_x, train_y, epochs=epochs, batch_size=1, verbose=1)

 

不一樣版本keras調用可能會出現報錯，須要注意調用區別：

一、

 

二、出現Exception: Error when checking : expected dense_input_1 to have shape (None, 784) but got array with shape (784, 1)相似的錯誤，說明輸入數據的維度與模型需求不符合，須要更改維度（參考：by https://stackoverflow.com/questions/39950311/keras-error-on-predict/40489174、https://github.com/keras-team/keras/issues/3109）