LSTM构建特征的向量空间使用队列的方法

Question

'''构建特征的向量空间'''
#建立个队列,先进先出

mem_num=1
pre=4
from collections import  deque
deq=deque(maxlen=mem_num)

X=[]
for i in sca_X:
    deq.append(list(i))
    if len(deq)==mem_num:
        X.append(list(deq))
        print(X)
X_lately=X[-pre:]
X=X[:-pre]
print(len(X))  #这个少的数量与mem——num是有关系的，
print(len(X_lately))   #2 跟shift的值有关系

不是很理解这段代码为什么前后的X长度会变化，经过队列之后的X的长度比原本少mem_NUM-1

Answer 1

基于Monster 组和GPT的调写：

• 这段代码是在构建特征的向量空间时使用的。通过使用队列（deque），可以实现先进先出的数据结构。代码中的变量mem_num表示队列的长度，即记忆的数量。变量pre表示预测的数量。

• 首先，代码创建了一个空的队列deq，并设置其最大长度为mem_num。然后，代码遍历sca_X列表，将每个元素转换为列表并添加到队列中。当队列的长度达到mem_num时，将队列的副本添加到列表X中，并打印出来。

• 接下来，代码将X列表中的最后pre个元素提取出来，赋值给X_lately变量。然后，X列表被重新赋值为除去最后pre个元素之外的部分。

• 在这段代码中，X的长度会减少mem_num-1，因为每当队列的长度达到mem_num时，会将队列的副本添加到X列表中。由于队列的长度是mem_num，所以每次添加后，X列表的长度减少了mem_num-1。

• 例如，如果mem_num为1，原始的X列表长度为5，那么经过队列处理后，X列表的长度将变为4，因为每次添加一个元素后，会将前面的元素移除，只保留最后添加的元素。这样可以保持队列的长度不超过mem_num。