我有一个非常简单的问题，但找不到合适的工具来解决。
我有一些长度相同的向量序列。现在，我想在这些序列的训练样本上训练LSTM RNN，然后使其基于几个启动向量来预测长度为的向量的新序列。
我找不到能做到这一点的简单实现。我的基本语言是Python，但是任何几天都不会安装的东西都可以使用。
我尝试使用Lasagne，但是RNN的实现尚未准备好，并且在nntools单独的软件包中。无论如何，我尝试了后者，但是我不知道如何训练它，然后通过一些测试向量对其进行填充，并让它预测新的。块是同样的问题-尽管似乎有些类和函数可以工作（例如blocks.bricks.recurrent），但是LSTM RNN没有可用的文档。
有在Theano，像几个实施RNN LSTM的GroundHog，theano-rnn，theano_lstm和一些文件的代码，但非那些与教程或指导怎么做我想做的。
我发现的唯一可用解决方案是使用Pybrain。但是不幸的是，它缺少Theano的功能（主要是GPU计算），并且是孤立的（没有新功能和支持）。
有谁知道我在哪里可以找到我想要的东西？使用RNN LSTM易于预测载体序列吗？
编辑：
我像这样尝试了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')
但是我在尝试适应它时遇到此错误 model.fit(X_train, y_train, batch_size=16, nb_epoch=10)
IndexError: index 800 is out of bounds for axis 1 with size 12while X_train和y_train是数组的数组（长度为12），例如[[i for i in range(12)] for j in range(1000)]
1
如果所有序列的长度都相同，为什么需要RNN？通过ANN训练静态输入向量将更容易，更快。
—
itdxer 2015年
向量来自时间序列。所以我猜需要RNN吗？
—
kotrfa 2015年
当您不知道输入或输出向量大小时，RNN非常适合执行任务。例如，您要构建一个网络，该网络将用英语描述您在图片上看到的内容，因此您的输入可以是静态图片，但是输出将取决于您在图片上看到的内容而有所不同。另一个示例，当您要进行文本翻译时，您的输入和输出都是未知的。
—
itdxer 2015年
谢谢您的澄清。因此，没有理由在此任务中使用RNN。好。
—
kotrfa 2015年
@itdxer的评论具有误导性。即使您的数据在任何地方都具有相同的长度，使用RNN也会有好处。RNN引入了一个数据假设，主要是它具有顺序性质。例如，沿时间轴的平移由RNN很好地处理，而不是由前馈方法处理-它们需要更多的训练数据来实现，并且需要更多的参数来估计。在许多情况下，如果使用ANN代替RNN，ANN只会崩溃并烧毁。
—
2015年
