я есть некоторые тренировочные данныеx_train и некоторые соответствующие ярлыки для этогоx_train называетсяy_train, Вот какx_train а такжеy_train построены:

train_x = np.array([np.random.rand(1, 1000)[0] for i in range(10000)])
train_y = (np.random.randint(1,150,10000))

train_x имеет 10000 строк и 1000 столбцов для каждой строки.train_y имеет метку от 1 до 150 для каждого сэмпла в train_x и представляет код для каждого сэмпла train_x.

У меня также есть образец с именем sample, представляющий собой 1 строку с 1000 столбцами, которую я хочу использовать для прогнозирования в этой модели LSTM. Эта переменная определяется как

sample = np.random.rand(1,1000)[0]

Я пытаюсь обучить и предсказать LSTM на этих данных, используя Keras. Я хочу взять этот вектор признаков и использовать этот LSTM для прогнозирования одного из кодов в диапазоне от 1 до 150. Я знаю, что это случайные массивы, но я не могу опубликовать данные, которые у меня есть. Я попробовал следующий подход, который я считаю, должен работать, но сталкиваюсь с некоторыми проблемами

    model = Sequential()
    model.add(LSTM(output_dim = 32, input_length = 10000, input_dim = 1000,return_sequences=True))
    model.add(Dense(150, activation='relu'))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) 
    history = model.fit(train_x, train_y,
              batch_size=128, nb_epoch=1,
              verbose = 1)
    model.predict(sample)

Любая помощь или корректировки в этом конвейере было бы здорово. Я не уверен, еслиoutput_dim верно. Я хочу пройти обучение LSTM на каждом образце данных измерения 1000, а затем воспроизвести определенный код в диапазоне от 1 до 150. Спасибо.