使用 RNN (LSTM) 預測時間序列向量 (Theano)

我有一個非常簡單的問題，但我找不到合適的工具來解決它。

我有一些相同長度的向量序列。現在我想在這些序列的訓練樣本上訓練 LSTM RNN，然後讓它預測新的長度向量序列基於幾個啟動向量。

我找不到可以做到這一點的簡單實現。我的基礎語言是 Python，但任何幾天都沒有安裝的東西都可以使用。

我嘗試使用Lasagne，但 RNN 的實現還沒有準備好，它在單獨的包nntools中。無論如何，我嘗試了後一種，但我不知道如何訓練它，然後通過一些測試向量啟動它並讓它預測新的。塊是同樣的問題——LSTM RNN 沒有可用的文檔，儘管似乎有一些類和函數可以工作（例如blocks.bricks.recurrent）。

Theano 中有幾種 RNN LSTM 的實現，比如,GroundHog和一些論文的代碼，但沒有一個有教程或指導如何做我想做的事。theano-rnn``theano_lstm

我發現的唯一可用的解決方案是使用 Pybrain。但不幸的是，它缺乏 Theano 的特性（主要是 GPU 計算）並且是孤立的（沒有新特性和支持）。

有誰知道我在哪裡可以找到我要的東西？易於使用 RNN LSTM 預測向量序列？

編輯：

我像這樣嘗試過 Keras：

from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation
from keras.layers.embeddings import Embedding
from keras.layers.recurrent import LSTM

model = Sequential()
model.add(Embedding(12, 256))
model.regularizers = []
model(LSTM(256, 128, activation='sigmoid', 
              inner_activation='hard_sigmoid'))
model.add(Dropout(0.5))
model.add(Dense(128, 12))
model.add(Activation('sigmoid'))
model.compile(loss='mean_squared_error', optimizer='rmsprop')

但是我在嘗試適應它時遇到了這個錯誤model.fit(X_train, y_train, batch_size=16, nb_epoch=10)

IndexError: index 800 is out of bounds for axis 1 with size 12

whileX_train和y_train是數組的數組（長度為 12），例如[[i for i in range(12)] for j in range(1000)]

我終於找到了一種方法並將其記錄在我的博客上。

有幾個框架的比較，然後還有 Keras 中的一種實現。

引用自：https://stats.stackexchange.com/questions/159148