I ' vemadeamultilayerlstmmodelthatusesregressiontopredictnextframe '的数据值。 这个模型在20年后完成了。 然后，得到一些预测，把它们与我的基本事实值进行比较。 如上图所示，预测收敛到一定的值。
from keras.modelsimportsequential
from keras.layers.coreimportdense，Activation，Dropout
from keras.layers import LSTM，BatchNormalization
fromtensorflow.python.keras.initializersimportrandomuniform
init=随机统一(minval=-0.05，maxval=0.05 ) ) ) ) )。
模型=sequential ()
model.add (lstm (kernel _ initializer=init，activation='relu '，return_sequences=True，units=800，dropout )
model.add (lstm (kernel _ initializer=init，activation='relu '，return_sequences=False，units=500，drop ouen )
model.add(dense(1024，activation='linear '，kernel_initializer=init ) )
模型. add (batch normalization ) )
模型. add (dropout ) (0.5 ) )
model.add(dense(1，activation='linear '，kernel_initializer='normal ' ) )
model.com pile (loss=' mean _ squared _ error '，optimizer='rmsprop ' )
model.summary (
EDIT1:我把时期从20减少到了3。 结果如下。
两幅图像的比较可以得出，当当时期数增加时，预测收敛到约-0.1的某个特定值的可能性较高