我正在嘗試解決如何將數據提供給我的 LSTM 模型進行訓練。（我將在下面的示例中簡化問題。）我的數據集中的 csv 文件中有以下數據格式。Timestep    Feature1    Feature2    Feature3    Feature4    Output1           1           2           3           4           a2           5           6           7           8           b3           9           10          11          12          c 4           13          14          15          16          d5           17          18          19          20          e6           21          22          23          24          f7           25          26          27          28          g8           29          30          31          32          h9           33          34          35          36          i10          37          38          39          40          j任務是根據過去 3 個時間步的數據估計任何未來時間步的輸出。一些輸入輸出示例如下：示例 1：輸入：Timestep    Feature1    Feature2    Feature3    Feature4    1           1           2           3           4           2           5           6           7           8           3           9           10          11          12           輸出： c并且在將數據提供給模型時，我想以某種方式對數據進行混洗，以便在訓練時不提供連續序列。與其他詞，我非常想喂像時間步長的數據序列，3,4,5一步到位，也許時間步5,6,7在下一步，也許2,3,4在接下來的步驟，等等。而我最好不要喂的數據作為1,2,3第一, 然后2,3,4, 然后3,4,5, 等等...在訓練我的 LSTM 網絡時，我使用的是帶有 Tensorflow 后端的 Keras。我想在將數據提供給fit_generator(...)函數時使用生成器。我的愿望是使用 Tensorflow 的數據集 API 從 csv 文件中獲取數據。但是我不知道如何讓生成器返回我需要的東西。如果我使用 Tensorflow 的數據集 API 對數據進行混洗，則會破壞時間步長的順序。生成器還應該返回包含多個序列示例的批次。例如，如果批量大小為 2，則可能需要返回 2 個序列，如時間步長 2、3、4 和時間步長 6、7、8。希望我能解釋我的問題......是否可以在生成器函數中使用 Tensorflow 的數據集 API 來解決這樣的序列問題，以便我可以像上面解釋的那樣提供批量序列？（生成器需要返回帶有 shape [batch_size, length_of_each_sequence, nr_inputs_in_each_timestep]、 wherelength_of_each_sequence=3和nr_of_inputs_in_each_timestep=4我的示例中的數據。）或者是僅在 Python 中編寫生成器的最佳方法，也許使用 Pandas ..？我還不能在 csv 文件讀取上嘗試它，但我認為這種方法應該工作得很好！但在我看來，該reshuffle_each_iteration參數沒有任何區別。這真的需要嗎？設置為True或時，結果不一定相同False。這個reshuffle_each_iteration參數在這里應該做什么？