Вы можете сделать это двумя способами:
select * from ks.table where token(partition_key) > start_range AND token(partition_key) <= end_range)
, и диапазоны, которые вы можете получить через Cluster.metadata.ring
... Чтобы получить правильную выходную форму, вы можете использовать слой Reshape:
o0 = Dense(70 * 1025, activation='sigmoid')(x)
o0 = Reshape((70, 1025)))(o0)
Это выведет (batch_dim, 70, 1025). Вы можете сделать то же самое для двух других выходов.
В этом случае второй RNN сворачивает последовательность в один вектор, потому что по умолчанию return_sequences=False
. Чтобы модель возвращала последовательности и запускала плотный слой по каждому временному шагу отдельно, просто добавьте return_sequences=True
ко второму RNN:
x = Bidirectional(LSTM(n_hid, return_sequences=True, dropout=0.5, recurrent_dropout=0.2))(x)
Плотные слои автоматически применяются к последнему измерению, поэтому нет необходимости изменять форму после этого.