Generador de datos personalizado para Keras LSTM con TimeSeriesGenerator

Solución:

Podría deberse a que el tipo de objeto se cambia de Sequence que es lo que TimeseriesGenerator es a un generador genérico. los fit_generator la función los trata de manera diferente. Una solución más limpia sería heredar la clase y anular el bit de procesamiento:

class CustomGen(TimeseriesGenerator):
  def __getitem__(self, idx):
    x, y = super()[idx]
    # do processing here
    return x, y

Y use esta clase como antes, ya que el resto de la lógica interna seguirá siendo la misma.

Personalmente tuve un problema con el código de nuric. Por alguna razón, tuve el error de decir que super no se puede suscribir. Aquí está mi posible solución. Déjame saber si esto podría funcionar.

class CustomGen(TimeseriesGenerator):
    def __getitem__(self, idx):
        x,y = super().__getitem__(idx)
        return x, y

---

---

Utiliza Nuestro Buscador