1回答
我正在尝试在Keras中训练一个包含LSTM的递归模型，用于回归目的。我想在网上使用这个模型，据我所知，我需要训练一个有状态的LSTM。我正在尝试训练和比较两个模型: A)一个有128个输入和3个输出的简单LSTM；B)一个有128个输入和100个输出的简单LSTM +一个有3个输出的密集层； 对于模型A)，我编写了以下代码： # Model，模
浏览 13提问于2019-09-26得票数 1
回答已采纳
在Keras中，我发现许多人在训练多对一LSTM模型时将“返回序列”指定为False。我想知道我是否可以为每个timestep单元格使用TimeDistributed层，然后使用上面的密集层来获得输出？
浏览 10提问于2018-07-26得票数 0
1回答
因此，我以三种不同的能力使用了RNN/LSTM： 多对多： 使用最后一层的每个输出来预测下一层。可以是分类或回归。 多对一： 使用最终的隐藏状态执行回归或分类。一对多： 获取一个潜在空间向量，可能是LSTM编码器的最终隐藏状态，并使用它生成一个序列
浏览 46提问于2021-02-28得票数 0
回答已采纳
1回答
我在Keras中使用return_sequences=True和TimeDistributed包装器在最后一个密集层上训练了多到多序列模型：model.add(Embedding(input_dim=vocab_size, output_dim=50))model.addTimeDistributed(Dense(vocab_size,
浏览 3提问于2019-03-07得票数 2
1回答
我使用keras (后端tensorflow)对亚马逊评论中的情感进行分类。________________________________________________________________________________
浏览 0提问于2018-03-20得票数 0
回答已采纳
model.add(LSTM(18, return_sequences=True,batch_input_shape=(batch_size,look_back,dim_x), stateful=True))model.add(LSTM(50,return_sequences=False,stateful=False))model.add(Dense(1, activation='linear'))
因为如果我的第一个LSTM</e
浏览 3提问于2018-10-26得票数 2
回答已采纳
我有一个使用TimeDistributed的简单顺序模型(密集...)作为LSTM层之后的最后一层。我正在以20个时间步长的序列对时间序列数据进行训练。mean_absolute_error(y_true, y_pred):(来自)LSTM最终结果应该是一组帧参数，预测序列中的下一步。
我正在尝试确认标准损失函数是否真的计算输出中
浏览 1提问于2017-08-19得票数 3
1回答
Andrew通过相互叠加递归层来讨论深度RNN体系结构。然而，他指出，由于结构中已经复杂的时间依赖计算，这些通常限制在2或3个递归层。但他补充说，人们通常会在这些递归层(如从a3<1>延伸出来的蓝色框)后面添加“一堆没有水平连接的深层层”。我想知道他是简单地说要把稠密的层堆在层叠的层层之上，还是更复杂呢？在Keras中是这样的：model.add(keras.layers.LSTM(100, return_sequences=True, b
浏览 0提问于2019-07-30得票数 1
1回答
网络宽度比输出大小小吗？
、、、、
我也想使用LSTM，它需要大量的时间/空间等来训练，而有一个或几个2048或更大的LSTM层连接到密集的层将需要很大的空间/时间来训练。但也许这就是该走的路？
有人对这类问题有经验吗？谢谢!
浏览 0提问于2019-05-07得票数 1
回答已采纳
2回答
我正在尝试使用LSTM对时间序列数据进行多类分类。有37个可能的类。我想使用一个只有LSTM和激活层的Keras模型来对输入数据进行分类。
在LSTM的每个步骤中，我还需要通过模型传递的所有训练数据和测试数据的隐藏状态(而不仅仅是最终状态)。下
浏览 31提问于2019-08-23得票数 1
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 = 128model.add(Embedding(7, hidden_size))model.add(LSTM(hidden_size, return_seque
浏览 17提问于2019-03-13得票数 0
我正在使用200亿个jester数据集建立一个手势识别系统。目前，我只在4节课上工作。数据集包括从视频中以12帧/秒的速度提取的图像。我建立了两个模型，3D-CNN和CNN-LSTM，但只使用角角和Tensorflow获得了大约25-30%的精度。model.add(Dense(nb_classes, kernel_initializer='normal'))
CNN-LS
浏览 0提问于2018-11-19得票数 2
回答已采纳
如图所示，我需要获取每个Lstm时间戳的状态，并将它们应用于密集层以进行有监督的学习。然后将该密集层的输出与Lstm的下一时间戳的状态一起使用。通常，我希望对RNN的每个步骤应用监督学习，并将输出反馈到下一个时间戳。我如何在Keras中实现这一点？
浏览 0提问于2017-06-12得票数 2
1回答
如何在LSTM中应用词嵌入层前的平滑算法。我有一个文本二值分类的问题(好(9500)或坏(500个)，总共有10000个训练样本和它的不平衡训练样本)，意思是当我使用LSTM和预先训练的单词嵌入(每个单词的100个维空间)，所以每个训练输入都有一个id(当文本描述小于50个单词，当描述超过50个字符时，每个训练输入有一个id's (50个id的总数，当文本描述小于50个单词，并且当描述超过50个字符时被修剪
浏览 0提问于2018-11-19得票数 6
1回答
考虑到这种基于LSTM的RNN：model = Sequential()
model.add(LSTM(30, activation))是从密集层连接到最终隐藏层( 10 *10 =100个连接)的10个输出的每一个输出。如果变量“”设置为False (对于两个层<
浏览 4提问于2020-07-30得票数 0
我想使用一个(2层)预训练的LSTM模型，并且我想在最后一个密集层之前添加一个新的LSTM层。所以我要添加的层将是第三层。因为预训练模型的第二个LSTM已经设置了return_sequences=True。我无法添加第三个LSTM层。如何使用LSTM更改预训练模型的任何层的配
浏览 10提问于2019-09-18得票数 1
1回答
我正在使用Python的大Keras库来训练神经网络。我对一种我不明白的行为感到好奇。这一切为什么要发生？我希望更大的模型只是训练时间更长，但收敛到较小或相同的误差。
我对模型进行了超优化，尝试了不同数量的失学正则化，并让它有足够的时间进行训练。我试验了大约10-20k参数、5层、10M数据样本和20-100个低LR历元的模型。模型包含密集的有时是LSTM层</
浏览 0提问于2018-01-31得票数 0
1回答
创建CoreML LRCN模型
、、、、
首先，我在Keras中使用Tensorflow后端构建了一个模型，该模型在时间分布式包装器中使用卷积层。在卷积部分之后，单个LSTM层连接到密集层作为输出。我们的目标是创建一个多对多的结构，在填充图像序列中对每个项目进行分类。我将在下面发布模型的代码。
我训练和部署这个网络的计划可能会引发其他问题，但如果它们造成麻烦，我将另行发布一篇文章。它涉及到使用</
浏览 7提问于2018-01-29得票数 3
回答已采纳
1回答
我想在这里使用LSTM。由于LSTM网络的训练输入具有类似于[samples, time steps, features]的形状，因此不能对来自不同时间框架的数据进行拟合(这是可能的，但是将它们放在特征轴上可能不会有效)任何暗示和洞察
浏览 0提问于2021-06-17得票数 1
2回答
Keras LSTM总是不适合
、、、、
我正在尝试使用Keras和Tensorflow后端训练LSTM，但它似乎总是不适合；损失和验证损失曲线有一个初始下降，然后非常快地变平()。我试着添加更多的层，更多的神经元，没有丢失，等等，但即使在接近过拟合的地方也无法获得，而且我确实有很好的数据(在每秒100个样本的情况下，几乎4小时，我已经尝试下采样到50个/秒)。decay=0.9
h1 = 120h3 = 340
浏览 0提问于2018-01-24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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
