我正在尝试使用LSTM神经网络(使用Keras)来预测游戏石头剪刀布中对手的下一步动作。
我已经将输入编码为石头:[1 0 0],剪刀:[0 0 1]和布:[0 1 0]。现在我想训练神经网络,但是我的训练数据结构有些困惑。
我已经将对手的游戏历史存储在一个.csv文件中,具有以下结构:
1,0,0
0,1,0
0,1,0
0,0,1
1,0,0
0,1,0
0,1,0
0,0,1
1,0,0
0,0,1
我尝试使用每5个数据作为我的训练标签,前4个数据作为训练输入。换句话说,在每个时间步,会将一个3维向量发送到网络,并且我们有4个时间步。
例如,以下是输入数据:
1,0,0
0,1,0
0,1,0
0,0,1
第五个是训练标签。
1,0,0
我的问题是Keras的LSTM网络接受什么类型的数据格式?为此,重新安排数据的最佳方式是什么?如果有帮助,以下是我的不完整代码:
#usr/bin/python
from __future__ import print_function
from keras.models import Sequential
from keras.layers import Dense, Activation, Dropout
from keras.layers.recurrent import LSTM
from keras.optimizers import Adam
output_dim = 3
input_dim = 3
input_length = 4
batch_size = 20 #use all the data to train in one iteration
#each input has such strcture
#Rock: [1 0 0], Paper: [0 1 0], Scissor: [0 0 1]
#4 inputs (vectors) are sent to the LSTM net and output 1 vector as the prediction
#incomplete function
def read_data():
raw_training = np.genfromtxt('training_data.csv',delimiter=',')
print(raw_training)
def createNet(summary=False):
print("Start Initialzing Neural Network!")
model = Sequential()
model.add(LSTM(4,input_dim=input_dim,input_length=input_length,
return_sequences=True,activation='softmax'))
model.add(Dropout(0.1))
model.add(LSTM(4,
return_sequences=True,activation='softmax'))
model.add(Dropout(0.1))
model.add(Dense(3,activation='softmax'))
model.add(Dropout(0.1))
model.add(Dense(3,activation='softmax'))
model.compile(loss='categorical_crossentropy',optimizer='Adam',metrics=['accuracy'])
if summary:
print(model.summary())
return model
if __name__=='__main__':
createNet(True)