Keras 实现双层 LSTM 并可视化训练过程

以下是使用 Keras 编写的 2 层 LSTM 的示例代码及训练过程图：

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np
import matplotlib.pyplot as plt

# 生成训练数据
data = np.random.randn(1000, 10, 1)
target = np.random.randn(1000, 1)

# 定义模型
model = Sequential()
model.add(LSTM(64, input_shape=(10, 1), return_sequences=True))
model.add(LSTM(32))
model.add(Dense(1))
model.compile(loss='mse', optimizer='adam')

# 训练模型
history = model.fit(data, target, epochs=50, batch_size=32, validation_split=0.2)

# 绘制训练过程
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('Model loss')
plt.ylabel('Loss')
plt.xlabel('Epoch')
plt.legend(['Train', 'Val'], loc='upper right')
plt.show()

训练过程图如下所示：