You need to enable JavaScript to run this app. Keras TimeseriesGenerator如何获取实际使用而非传入全量的目标值
优惠活动
大模型
产品
解决方案
定价
更多

Keras TimeseriesGenerator如何获取实际使用而非传入全量的目标值

Keras TimeseriesGenerator 提取实际生效目标值的方法

核心逻辑说明

你之前通过gen.targets拿到全量值的原因是,targets属性本身存储的是初始化时传入的全量原始目标数组,生成器不会对这个数组做原地裁剪。所有经过start_index、end_index、序列长度过滤后的有效样本索引,实际存储在生成器的内部属性index_sequence中——这个数组的每个元素,都对应单个样本的目标值在原全量targets数组中的位置下标,和实际生成的样本标签完全一一对应。

可直接使用的提取代码

  • 先复现示例中的生成器场景:
    from tensorflow.keras.preprocessing.sequence import TimeseriesGenerator
    import numpy as np
    
    data = targets = np.array([1,2,3,4,5,6,7,8,9])
    gen = TimeseriesGenerator(
        data=data,
        targets=targets,
        length=2,
        batch_size=1,
        start_index=5
    )
    
  • 基于内部索引直接取真实使用的目标值:
    # 取出所有有效样本对应的目标值
    actual_targets = gen.targets[gen.index_sequence]
    
    运行后actual_targets的结果为array([8, 9]),和手动遍历生成器拿到的标签完全一致。
  • 如需实现你预期的gen.actual_targets便捷调用效果,可直接给生成器实例绑定动态属性:
    # 绑定快捷属性,后续可直接通过实例访问
    gen.actual_targets = gen.targets[gen.index_sequence]
    print(gen.actual_targets)
    # 输出:[8 9]
    

注意事项

  • 该方法适配所有TimeseriesGenerator的参数配置,只要是生成器实际能产出的样本,对应的目标值都会被index_sequence覆盖,包括调整end_index、sampling_rate、batch_size等参数的场景,不需要额外手动计算索引偏移。
  • 不建议手动根据start_index、length自行推算目标值下标,当配置了多步预测、反向时间序列、采样间隔等参数时,手动计算很容易出现索引错位的问题。

内容的提问来源于stack exchange,提问作者NeStack

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.10 04:06:09