与Tensorflow和LSTM不兼容的层
是指在使用Tensorflow框架和LSTM（长短期记忆）模型时，存在无法直接兼容的层或操作。
Tensorflow是一个广泛应用于机器学习和深度学习的开源框架，而LSTM是一种常用的循环神经网络模型，用于处理序列数据。然而，由于Tensorflow和LSTM的不同特性和实现方式，某些层或操作可能无法直接在两者之间进行兼容。
一种与Tensorflow和LSTM不兼容的层是自定义的非线性激活函数层。在Tensorflow中，可以使用tf.nn库提供的各种激活函数，如ReLU、sigmoid和tanh等。但是，在LSTM模型中，激活函数通常是作为LSTM单元的一部分，而不是作为独立的层。因此，如果在Tensorflow中使用自定义的非线性激活函数层，可能无法直接与LSTM模型兼容。
另一个与Tensorflow和LSTM不兼容的层是一些特殊的正则化层，如Dropout层。Dropout层是一种常用的正则化技术，用于减少过拟合。然而，在LSTM模型中，Dropout通常是作为LSTM单元的一部分，而不是作为独立的层。因此，如果在Tensorflow中使用Dropout层，可能无法直接与LSTM模型兼容。
为了解决与Tensorflow和LSTM不兼容的层的问题，可以考虑以下几种方法：
- 自定义兼容层：根据Tensorflow和LSTM的特性，自定义一个兼容两者的层或操作。这需要深入了解Tensorflow和LSTM的实现原理，并进行相应的代码编写和调试。
- 使用其他兼容的深度学习框架：除了Tensorflow，还有其他深度学习框架如PyTorch、Keras等，它们可能对LSTM模型的兼容性更好。可以尝试在这些框架中实现与Tensorflow和LSTM不兼容的层。
- 调整模型结构：根据具体需求和问题，考虑调整模型结构，避免使用与Tensorflow和LSTM不兼容的层。可以通过修改网络架构或使用其他替代方法来达到相似的效果。
需要注意的是，以上方法仅为解决与Tensorflow和LSTM不兼容的层的一些思路，具体的解决方案需要根据实际情况进行调整和实施。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）
- 腾讯云深度学习平台（https://cloud.tencent.com/product/dla）
- 腾讯云人工智能平台（https://cloud.tencent.com/product/ai）
相关·内容
1回答
我无法正确地将我的密集层连接到我的LSTM层。我的Y值从0到1，所以乙状结肠在我看来是合乎逻辑的。
我知道错误：
检查目标时出错:期望dense_4具有二维，但得到形状为(993,300，1)的数组
在我看来，我的输入形状正确，总DF为(350700,2413)，我将其重塑为a( 1169,300,2413 ) //不包括Y值。我只是不知道如何让致密的图层工作，并将乙状结肠应用到我的Y上。
随着火车测试的分裂，我有一个(993,300，1)的y_train，这是我的错误的主要问题，但我似乎无法理解我做错了什么。x_train为( 933,300,2413) x_test = (176,
浏览 0提问于2018-07-10得票数 2
回答已采纳
我正在用训练数据训练一个分类网络，它的X.shape = (1119，7)和Y.shape = (1119，6)。下面是我的简单Keras网络，输出dim为6(标签的大小)。返回的错误在代码下面 hidden_size = 128
model = Sequential()
model.add(Embedding(7, hidden_size))
#model.add(LSTM(128, input_shape=(1,7)))
model.add(LSTM(hidden_size, return_sequences=True))
model.add(LSTM(hidden_size, retu
浏览 17提问于2019-03-13得票数 0
我正在尝试将ConvLSTM作为我的tensorflow网络的一部分，因为我在使用tensorflow ConvLSTM实现时遇到了一些问题，所以我决定使用ConvLSTM2D Keras层。 为了让Keras在我的Tensorflow会话中可用，我使用了博客帖子建议(我正在使用Tensorflow后端)：https://blog.keras.io/keras-as-a-simplified-interface-to-tensorflow-tutorial.html import tensorflow as tf
sess = tf.Session()
from keras import
浏览 175提问于2018-07-05得票数 2
回答已采纳
我使用以下代码创建了一个LSTM模型：
model = tensorflow1.keras.Sequential()
model.add(tensorflow1.keras.layers.LSTM(128, input_shape=(720, 4), return_sequences=True)) model.add(tensorflow1.keras.layers.LeakyReLU(alpha=0.5)) model.add(tensorflow1.keras.layers.LSTM(128, return_sequences=True)) model.add(tensorflow1.ke
浏览 3提问于2021-03-15得票数 0
回答已采纳
我定义了一个包含有状态LSTM的块的Keras功能模型，如下所示：
import numpy as np
from tensorflow.python import keras
data = np.ones((1,2,3))
input_shape = data.shape # batch size, step size, input size
output_units = 2
### input block ###
inputs = keras.layers.Input(batch_shape=input_shape, name="inputs")
### mo
浏览 0提问于2018-07-10得票数 1
1回答
我想建立一个端到端的可训练模式，包括以下几个方面：
CNN从图像中提取特征
特征被重塑成一个矩阵。
然后将此矩阵的每一行输入到LSTM1。
然后将此矩阵的每一列输入到LSTM2。
LSTM1和LSTM2的输出为最终输出连接在一起。
(它或多或少类似于本文中的图2：)
我现在的问题是在重塑之后，如何用Keras或Tensorflow将特征矩阵的值提供给LSTM？
到目前为止，这是我使用VGG16网的代码(也是指向的链接)：
# VGG16
model = Sequential()
model.add(Conv2D(64, (3, 3), activation='
浏览 3提问于2017-04-28得票数 1
我已经完成了一个简单的多对一的LSTM模式如下。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers import LSTM
from tensorflow.keras.layers import Dropout
model=Sequential()
model.add(LSTM(2**LSTM_units,input_length=data.shape[1],input_dim=data.shape[2],re
浏览 0提问于2020-06-22得票数 11
我使用Keras和Tensorflow作为后端，并得到不兼容的错误：
model = Sequential()
model.add(LSTM(64, input_dim = 1))
model.add(Dropout(0.2))
model.add(LSTM(16))
以下错误显示：
Traceback (most recent call last):
File "train_lstm_model.py", line 36, in <module>
model.add(LSTM(16))
File "/home/***/anaconda2/l
浏览 2提问于2017-02-20得票数 3
回答已采纳
我试图建立一个非常简单的LSTM结构，使用填充和掩蔽来学习如何训练时间序列数据。假设我每个月有两个人的血液价值信息。对于第一个人，我只有七个月的数据，而对于下一个人，我只有四个月的数据。最后，我选择-100作为我的填充值来完成序列。
import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers import LSTM
from tenso
浏览 7提问于2022-07-16得票数 0
4回答
来自Tensorflow代码：丹索尔·弗洛.RnnCell。
num_units: int, The number of units in the LSTM cell.
我不明白这意味着什么。LSTM单元的单位是什么？输入，输出和忘记门？这是否意味着“深层LSTM的递归投影层中的单元数”？那为什么它被称为“LSTM单元中的单元数”？什么是LSTM单元，它与LSTM块有什么不同?如果不是单元，最小LSTM单元是什么？
浏览 0提问于2016-07-24得票数 38
回答已采纳
我想在Keras中合并一个前向LSTM和一个后向LSTM。后向LSTM的输入阵列不同于前向LSTM的输入阵列。因此，我不能使用keras.layers.Bidirectional。
前向输入是(10，4)。向后的输入是(12，4)，并且在输入到模型之前是反转的。我想在LSTM之后再次将其反向，并将其与正向合并。
简化后的模型如下。
from lambdawithmask import Lambda as MaskLambda
def reverse_func(x, mask=None):
return tf.reverse(x, [False, True, False])
forw
浏览 5提问于2017-07-01得票数 1
1回答
我的问题是关于LSTMs，特别是如何在TensorFlow构造函数中指定LSTM单元的各种输入和输出的形状。我的理解是，LSTM单元有以下六种输入和输出：
1 External input/output
2 Hidden State input/output
3 Context State input/output
我也相信，每一个都是一个具有指定长度的向量。我的问题是:当我在我的TensorFlow模型中添加一个LSTM时，如何指定不同的向量长度？
浏览 0提问于2021-10-12得票数 0
回答已采纳
我想应用这个方法来实现Bi-LSTM。这里讨论了该方法：Bi-LSTM Attention model in Keras 我得到以下错误：'module' object is not callable 它不能在以下行中应用乘法：sent_representation = merge([lstm, attention], mode='mul') from keras.layers import merge
import tensorflow as tf
from tensorflow.keras.layers import Concatenate, Dense,
浏览 33提问于2020-11-04得票数 0
我在运行代码时遇到多个错误，因为数据集或某些体系结构问题，我无法理解它。
from tensorflow.keras.preprocessing.sequence import pad_sequences
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.layers import Dense,concatenate,Activation,Dropout,Input,LSTM,Flatten
from tensorflow.keras import regularizers,initi
浏览 10提问于2022-10-14得票数 1
回答已采纳
我正在尝试在keras中建立一个机器学习模型，它可以猜测下一个单词，给出一系列使用LSTM的单词。这是我的模型的代码： gen=Sequential()
gen.add(Embedding(vocab_size,embed_dim))
gen.add(LSTM(vocab_size,activation='softmax'))
gen.compile(loss='categorical_crossentropy',optimizer='adam')
gen.summary()
(X_train, X_test, Y_train, Y_test)
浏览 52提问于2020-08-24得票数 0
回答已采纳
我目前正在使用tensorflow和python处理多层LSTM。我使用initial_state在tf.nn.dynamic_rnn中将单元格的前一个状态传递到下一步。
创建这样的层：
cells = []
for c in range(0, num_layers):
cells.append(tf.nn.rnn_cell.BasicLSTMCell(num_units = num_units, forget_bias = 1.0, activation = tf.nn.tanh))
basic_cell = tf.nn.rnn_cell.MultiRNNCell(cells)
st
浏览 0提问于2018-03-22得票数 0
2回答
我和CNN在tensorflow学习LSTM。我想在LSTM网络中加入一些标量标签作为条件。有人知道我的意思是哪个LSTM吗？如果有的话，请告诉我它的用法。
谢谢。
浏览 3提问于2017-10-16得票数 4
回答已采纳
如何选择LSTM中的隐藏层数和存储单元数？我想建立关于分类的LSTM模型。
from tensorflow.keras import Sequential
model = Sequential()
model.add(Embedding(44000,32))
model.add(LSTM(32))
model.add(Dense(1, activation='sigmoid'))
浏览 1提问于2022-09-01得票数 -2
我对RNN还不熟悉，我正在努力弄清楚LSTM细胞的特性，它们与TensorFlow：有关。
GitHub网站的示例与TensorFlow使用相同的LSTM单元吗？我在TensorFlow站点上得到的唯一信息是，基本的LSTM单元使用以下体系结构：，如果它是相同的体系结构，那么我可以手动计算一个LSTM单元的数字，并查看它是否匹配。
另外，当我们在tensorflow中设置一个基本的LSTM单元时，它将接受一个num_units (根据： )
tf.nn.rnn_cell.GRUCell.__init__(num_units, input_size=None, activation=tanh)
浏览 2提问于2017-05-24得票数 8
回答已采纳
我正在尝试为Seq2Seq实现多层双向编码器。
我现在所做的是：
cell = tf.contrib.rnn.LSTMCell(num_size)
cell = tf.nn.bidirectional_dynamic_rnn(cell_fw =encoder_cell, cell_bw =encoder_cell, .... )
这创建了一个双向rnn，但是如何使它成为多层的呢？
我试图实现的是以下架构，其中每个LSTM块是双向的，第n层编码器的输出进入第n层解码器。
我使用Tensorflow 1.0和tf.contrib.seq2seq库作为解码器。
浏览 4提问于2017-06-11得票数 0
回答已采纳
1回答
我正在使用TF2.0中的一些LSTM层。为了训练目的，我使用回调LearningRateScheduler，为了速度目的，我禁用了Tensorflow (disable_eager_execution)的急切模式。但当我同时使用这两种功能时，tensorflow会发出警告：
Operation ... was changed by setting attribute after it was run by a session. This mutation will have no effect, and will trigger an error in the future. Either d
浏览 14提问于2019-12-13得票数 2
代码如下： from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding, LSTM, RepeatVector, Dense, Reshape
Model = Sequential([
Embedding(vocab_size, 256, input_length=49),
LSTM(256, return_sequences=True),
LSTM(128, return_sequences=False)
浏览 140提问于2020-10-06得票数 1
回答已采纳
1回答
我有CNN并希望将其更改为LSTM，但当我修改代码时，收到相同的错误: ValueError:输入0与图层不兼容gru_1:期望的ndim=3，找到ndim=4
我已经更改了ndim，但没有起作用。
关注我的cnn
def build_model(X,Y,nb_classes):
nb_filters = 32 # number of convolutional filters to use
pool_size = (2, 2) # size of pooling area for max pooling
kernel_size = (3, 3) # convol
浏览 1提问于2017-09-30得票数 1
在高级深度学习库Keras中，有多种类型的递归层，包括LSTM (长时记忆)和CuDNNLSTM。根据，CuDNNLSTM是一个：
由CuDNN支持的快速LSTM实现。只能在带TensorFlow后端的GPU上运行。
我相信Keras在任何可能的情况下都会自动使用GPU。根据，要有一个工作的TensorFlow GPU后端，您需要CuDNN：
必须在您的系统上安装下列NVIDIA软件：
NVIDIA的Cuda工具包(>= 7.0)。我们推荐9.0版。有关详细信息，请参阅NVIDIA的文档。确保将相关的Cuda路径名附加到LD_LIBRARY_PATH环境变量中，如NV
浏览 2提问于2018-04-23得票数 52
1回答
我在keras上使用LSTM，并使用之前的重整型层，希望我不必为LSTM层指定形状。 输入是84600 x 6 两个月内84600秒。6公制/标签im在2个月内进行测量 到目前为止，我已经 model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Reshape((86400,1,6), input_shape=(84600, 6)))
model.add(tf.keras.layers.LSTM(128, activation='relu', input_shape=
(x_train.shape),
浏览 39提问于2019-02-17得票数 1
我试图在这个中使用相同的代码，但是在代码的中间出现了一个错误。
AttributeError Traceback (most recent call last)
<ipython-input-34-9ff70788070d> in <module>()
----> 1 model = Sequential()
2 model.add(LSTM(units=50, return_sequences=True,input_shape=(x_train.shape[1],1)))
3
浏览 4提问于2020-04-09得票数 2
我正在使用Tensorflow 2.3，并尝试初始化以下LSTM
from keras.layers import Dense, Activation,Input, LSTM, Dropout
from keras.optimizers import Adam
from keras.models import Model, Sequential
def create_model() -> Model:
"""
Create the Deep Learning model
:return the created model
"
浏览 0提问于2020-09-11得票数 0
1回答
我正在尝试使用具有30个不同特征的时间序列数据集，并希望预测其中3个特征的未来值。有没有什么方法可以使用TensorFlow和Sckit-learn来指定我想要用于输出的功能以及输出的数量？或者这只是在我创建x_train、y_train等集合时完成的？我想根据各种气象因素(气压、HDD、CDD、污染等)来预测热指数、温度和湿度。我希望预测的3个因素是30个总特征中的一部分。 我正在使用TensorFlows RNN教程：https://www.tensorflow.org/tutorials/structured_data/time_series univariate_past_histo
浏览 18提问于2020-07-17得票数 1
我正在训练RNN，这是我使用tf.keras.layers.GRU层构建的。他们需要很长时间来训练(>2个小时)，所以我将把他们部署到GPU进行训练。我想知道一些关于GPU训练的事情：
tf.keras.layers.CuDNNGRU和tf.keras.layers.GRU (以及tf.keras.layers.LSTM和tf.keras.layers.CuDNNLSTM)有什么区别？我从中了解到，CuDNNGRU层的训练速度比GRU层快，但是层
这两层是否在相同的种子下收敛到不同的结果？
在推理过程中，这两层是否执行相同的操作？
在推理过程中，CuDNN层是否需要GPU？
浏览 1提问于2019-08-05得票数 1
回答已采纳
我创建了一个网络，但是得到了错误: AttributeError: in user code：
C:\Users\LocalAdmin\.conda\envs\newenvt\lib\site-packages\keras_contrib\metrics\crf_accuracies.py:23 crf_viterbi_accuracy *
mask = crf._inbound_nodes[idx].input_masks[0]
AttributeError: 'Node' object has no attribute 'input_masks'
浏览 11提问于2021-03-02得票数 0
回答已采纳
大家好，我尝试用AlexNet + LSTM建立模型，使用原始图像作为输入。
但我遇到了这样一个错误：
ValueError: Input 0 of layer lstm_5 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 43264)
我的模型代码：
model = tf.keras.models.Sequential([
# 1st conv
tf.keras.layers.Conv2D(96, (11,11),strides=(4,4), ac
浏览 3提问于2021-06-22得票数 1
回答已采纳
2回答
这是我对LSTM序列的理解。假设我们正在处理一个问答设置。
您有两套LSTM(绿色和蓝色)。每组分别共享权重(即，4个绿色单元中的每个具有相同的权重，并且与蓝色单元相似)。第一种是多到一的最小存储空间，它在最后一个隐藏层/单元内存中总结了问题。
第二组(蓝色)是一对多的LSTM，与第一组LSTM具有不同的权重。输入只是回答句，而输出是同一个句子，移动一句。
问题有两个方面: 1.我们是否将最后一个隐藏状态(仅)作为初始隐藏状态传递给蓝色LSTM。或者是最后一次隐藏状态和单元内存。2.是否有办法在Keras或Tensorflow中设置初始隐藏状态和单元内存？如果是这样的话？
(图片取自su
浏览 10提问于2017-09-22得票数 7
回答已采纳
我使用Keras (Tensorflow后端)来拟合时间序列模型。这是我的模型：
model = Sequential()
model.add(LSTM(LSTM_nums, input_shape=(timestep,data_dim)))
model.add(Dense(2))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)
我想知道是否存在用给定的时间步骤设置LS
浏览 0提问于2017-11-12得票数 0
我想在GPU上使用Tensorflow1.13 1.13实现一个RNN。按照官方建议，我编写了以下代码，以获得一堆RNN单元
lstm = [tk.layers.CuDNNLSTM(128) for _ in range(2)]
cells = tk.layers.StackedRNNCells(lstm)
但是，我收到一条错误消息：
tensorflow.python.keras.layers.cudnn_recurrent.CuDNNLSTM：(所有单元格都必须具有state_size属性。接收到的单元格：‘，<0x13aa1c940>上的state_size对象’)
浏览 1提问于2019-03-24得票数 1
回答已采纳
1回答
使用自定义激活函数创建模型时出错
、、、、
我正在尝试实现一个基于Tanh激活的自定义激活函数(pentanh)。但是，当我将这个函数添加到我的模型中时，它会引发一个ValueError。 自定义激活函数： import tensorflow.keras.backend as K
from tensorflow.keras.layers import Layer
class Pentanh(Layer):
def __init__(self, **kwargs):
super(Pentanh, self).__init__(**kwargs)
self.supports_masking =
浏览 32提问于2021-06-18得票数 0
回答已采纳
我正在尝试使用Keras (2.2.0版)和TensorFlow (1.1.0版)来训练一个LSTM神经网络。我知道有更新的TensorFlow版本，但不幸的是，。但是，我不认为我的问题与TensorFlow版本有关。
这就是我的Keras代码的样子：
[...] from keras.layers import Dense, Dropout, LeakyReLU, LSTM, Activation, Dense, Dropout, Input, Embedding
def LSTM(X,Y):
inputDimension = len(X[0])
inputSize = l
浏览 0提问于2018-07-23得票数 5
回答已采纳
1回答
RNN/LSTM可视化
、、、
我对递归神经网络和LSTMs很陌生。我对他们的工作和训练程序有一个很好的了解。但是我很难想象它们，尤其是在阅读了Tensorflow文档之后，我也理解了相关的术语。在构建LSTM时，所有隐藏层单位都是LSTM单元吗？我的意思是，如果在一个隐藏层中有100个单元，是否意味着有100个LSTM单元？
浏览 4提问于2017-09-13得票数 1
回答已采纳
我正在尝试为一个与预测(类似于股票价格预测)相关的问题提出一个实验性的解决方案。
我已经阅读了很多关于使用机器学习和使用LSTM (keras和tensorflow)进行股票价格预测的文档。我了解机器学习本身的一般理论，以及LSTM层如何在幕后工作。
在经典的“苹果(Apple)股价预测”场景中，我看到的教程有3层和50个单元，其他的只有2层和128个单元。
在我必须自己编写代码的情况下，我如何确定LSTM的数量和预测正常工作所需的单元数量？我目前的主要猜测是试图通过试验和错误来找出答案。我想知道问题、数据和解决方案之间是否存在某种关系。
此外，如果有人能解释拥有更多/更少的LSTM层和更多/
浏览 7提问于2021-09-15得票数 0
1回答
我想用Cudnn训练我的RNN模型：
max_length <- 140
embedding_dim <- 128
model <- keras_model_sequential()
# define model
model %>%
# layer input
layer_embedding(
name = "input",
input_dim = num_words,
input_length = max_length,
output_dim = embedding_dim,
embedding
浏览 4提问于2020-05-27得票数 23
回答已采纳
我已经使用GPU在tensorflow中使用CUDNNLSTM训练了一个模型。当我尝试在cpu中使用模型进行推理时，我得到了这个错误：
Invalid argument: No OpKernel was registered to support Op 'CudnnRNN' with these attrs. Registered devices: [CPU], Registered kernels:
<no registered kernels>
[[Node: cudnn_lstm/CudnnRNN = CudnnRNN[T=DT_FLOAT,
浏览 3提问于2018-05-02得票数 6
由于某些原因，我无法在我的模型中添加一个LSTM层：
embed_size=8
LSTM=Sequential()
LSTM.add(Embedding(max_words,embed_size,input_length=max_len))
LSTM.add(LSTM(30, return_sequences=True,name='lstm_layer'))
LSTM.add(GlobalMaxPool1D())
...
我得到以下错误：
3 LSTM.add(Embedding(max_words,embed_size,input_length=max_len))
浏览 3提问于2018-09-17得票数 1
回答已采纳
1回答
在为后面的密集层添加第一个LSTM层之后，是否需要指定input_dim (这意味着一行/示例中的特性数)？
我试图创建一个体系结构，包括2个LSTM层和1个转发层(200个单元)和1个转发层(2个单元)。首先，LSTM层为每个时间戳输出第二个LSTM层仅输出最后一个时间步骤，所以我想知道我是否正确地创建了该体系结构。
model.add(LSTM(units = 200, return_sequences = True, input_shape = (WINDOW_SIZE, 9), batch_size = 206))
model.add(LSTM(units = 200, return_
浏览 0提问于2018-11-03得票数 0
1回答
了解keras层中的形状
、、、、
我正在学习Tensorflow和Keras来实现LSTM many-to-many模型，其中输入序列的长度等于输出序列的长度。
示例代码：
输入：
voc_size = 10000
embed_dim = 64
lstm_units = 75
size_batch = 30
count_classes = 5
型号：
from tensorflow.keras.layers import ( Bidirectional, LSTM,
Dense, Embedding, TimeDistributed )
from tensorf
浏览 1提问于2021-03-29得票数 1
2回答
我在CodeCademy上编程，结果被卡住了。我找不到答案，终端机正在展示一些奇怪的东西。该项目旨在对新冠肺炎、肺炎和正常肺的图像进行分类。希望你能帮我。
代码：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.callbacks import EarlyStopp
浏览 1提问于2021-01-31得票数 0
回答已采纳
我试图将LSTM模型与前面的掩蔽层匹配到我的数据中，并得到了以下错误：
ValueError: Can not squeeze dim[1], expected a dimension of 1, got 4 for '{{node binary_crossentropy/weighted_loss/Squeeze}} = Squeeze[T=DT_FLOAT, squeeze_dims=[-1]](Cast)' with input shapes: [128,4].
这是我的密码：
from tensorflow.keras.layers import LSTM, Dense
浏览 2提问于2022-01-19得票数 2
回答已采纳
1回答
我有一个ASUS n552vw笔记本电脑，有一个4GB专用的Geforce GTX 960图形卡。我把这些代码放在代码的开头，比较使用GPU或CPU的训练速度，我看到似乎使用CPU赢了！
GPU：
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'
CPU：
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
我已经安装了CUDA，cuDNN，tensorflow-gpu等来提高我的训练速度，但似乎相反的事情发生了！
当我尝试第一
浏览 0提问于2019-08-02得票数 2
回答已采纳
2回答
我想在相同数量的tensorflow keras包装器中实现单向和双向LSTM。例如，我用256个单元实现单向LSTM，用128个单元实现双向LSTM (据我所知，每个方向的LSTM为128个单元，总共256个单元)。实施细节：
import tensorflow as tf
in_ = tf.keras.Input(shape=(28,28))
x = tf.keras.layers.LSTM(256)(in_)
model_unidirectional = tf.keras.Model(in_,x)
print(model_unidirectional.summary())
y =
浏览 0提问于2020-07-27得票数 1
回答已采纳
1回答
我正在处理一个多类分类问题，为了好玩，我想尝试不同的模型。我发现了一个使用LSTM进行分类的blog，并试图调整我的模型以使其正常工作。 这是我的模型： from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Bidirectional, LSTM
from tensorflow.keras.optimizers import SGD, Adam
浏览 66提问于2020-09-02得票数 0
回答已采纳
2回答
我想训练一个简单的LSTM模型，用于118个多类的128个时间步骤和6个特性的序列数据。
数据集的尺寸如下所示：
X_train, X_test shape: (batch, timesteps, num_features) = (batch, 128, 6)
y_train, y_test shape: (batch, 118)
其中标签由118个类的一个热编码表示。
model = keras.Sequential([
tf.keras.layers.LSTM(units = 32, kernel_initializer =
tf.initializers.zeros()
浏览 7提问于2022-05-14得票数 1
回答已采纳
我有一些像素运动数据，它有5个特征和3715489个训练样本。我一直在犯这个错误，我不知道我应该为LSTM做什么input_shape。
X_train形状为(3715489,5)。我需要重塑这个吗？
y_train形状为(3715489，8)
这是我的代码：
model = Sequential()
model.add(LSTM(256,return_sequences=True, input_shape=(5,)))
model.add(Dense(8, activation='sigmoid'))
model.compile(optimizer='adam'
浏览 2提问于2022-08-08得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
