我是Pytorch的新手，在图像字幕中有一个疑问。在DcoderRNN类中，lstm被定义为，在forward(captions)我们首先嵌入字幕，然后将嵌入与EncoderCNN中的上下文功能
浏览 4提问于2018-03-03得票数 1
回答已采纳
我试图隐藏PyTorch代码的CNN -> LSTM级联模型到PyTorch闪电。在nn.Module码中有两个PyTorch类，一个用于CNN (编码器)，一个用于LSTM (译码器)，最后一个隐藏层作为PyTorch的输入。因此，在转换到PyTorch闪电之后，有两个pl.LightningModule类。我想知道如何在这两个类中填充所需的方法。以下是PyTorch中丢失
浏览 0提问于2021-08-03得票数 0
1回答
我正在致力于图像标题问题，在这里，我需要一个编码器的图像和解码器的标题生成。关于解码器，我已经找到了一个引用，它使用Pytorch，其中bidirectional参数是False。然而，我知道双向LSTM更准确。那么，你对这个比较有什么看法？
浏览 0提问于2020-08-05得票数 -1
回答已采纳
1回答
...2121 # 300 numbers将所有序列拆分为训练/验证/测试集在测试和验证集中，将从180到190的位置
浏览 0提问于2020-07-13得票数 2
回答已采纳
在这个中，他们没有使用填充，尽管输入和输出的长度是可变的。它似乎工作得很好，但如何工作呢？如果输入的长度是可变的，我们不应该实现填充吗？怎样做才是正确的呢？
谢谢。
浏览 0提问于2020-02-21得票数 0
2回答
这似乎是PyTorch中关于LSTM最常见的问题之一，但我仍然无法弄清楚PyTorch LSTM的输入形状应该是什么。根据
浏览 6提问于2020-05-06得票数 16
回答已采纳
我正在尝试训练一个Pytorch LSTM网络，但是当我试图计算CrossEntropyLoss时，我得到了ValueError: Expected target size (2, 13), got下面是我的网络定义： class LSTM(nn.Module):
def __init__(self, vocab_size, embedding_dim, hidden_dim, n_layers我的数据在一个名为training_dataset的TensorDataset中，它
浏览 399提问于2020-11-30得票数 1
回答已采纳
我已经开发了一个用于pytorch图像字幕的编码器(CNN)-Decoder (RNN)网络。解码器网络接受两个输入-来自编码器的上下文特征向量和用于训练的字幕的单词嵌入。上下文特征向量的大小= embed_size，这也是每个单词在标题中的嵌入大小。我这里的问题更多的是关于DecoderRNN类的输出。请参考下面的代码。= n
浏览 3提问于2018-08-02得票数 2
我是这个领域的新手，所以我仍然不了解PyTorch LSTM中的batch_first。我尝试了别人向我推荐的代码，当batch_first = False时，它对我的训练数据起作用，它为官方LSTM和手动LSTM产生相同的输出。但是，当我更改batch_first =True时，它不再产生相同的值，而我需要将batch_first更改为True，因为我的数据集形状是张量(批次，序列，输入<
浏览 83提问于2021-09-23得票数 0
回答已采纳
在PyTorch中有一个LSTM模块，除了输入序列、隐藏状态和单元状态之外，它还接受一个num_layers参数，该参数指定我们的LSTM将有多少层。然而，还有另一个模块LSTMCell，它只是将输入大小和隐藏状态的数量作为参数，没有num_layers，因为这是多层LSTM中的单个单元。我的问题是，怎样才能正确地将LSTMCell模块连接在一起，以达到与使用num_layers > 1<em
浏览 54提问于2018-01-03得票数 4
回答已采纳
1回答
作为练习，我正在构建一个用于序列二进制分类的网络(序列是属于A型还是B型)。该网络由一个具有一个LSTM层的RNN组成，并在其之上形成一个输出分类的MLP。我将不同长度的序列批量输入到网络中，这意味着我需要对序列进行填充，使其长度相等，并屏蔽网络的输出，使它们与原始序列相同长度。
在PyTorch中实现填充/掩蔽的正确方法是什么？或者还有其他我不知道的“秘密”方式？
浏览 0提问于2023-05-30得票数 0
1回答
我想要建立一个序列到序列的模型，它需要一个2048年长的1s和0的向量(例如。.,1 )作为输入，并将其转换为已知的输出(可变长度) 1-20个长字符(例如。GBNMIRN、ILCEQZG或FPSRABBRF)。我的目标是建立一个模型，可以接受一个新的2048年长的1s和0向量，并预测输出序列的样子。但我不知道如何用我的问题来实现它。是否有任何项目已经做了类似的事情/
浏览 3提问于2017-06-19得票数 3
回答已采纳
1回答
但是，在将Conv2D层的输出连接到LSTM层时，我被卡住了。来自CNN层的输出将具有( batch_size，512，1，width_dash)的形状，其中第一个依赖于batch_size，最后一个依赖于输入的输入宽度(该模型可以接受可变宽度输入)。例如:一个形状为2，1，32,829的输入以(2,512，1,208)的形状输出。
现在，根据，我们必须做挤压(2)，然后是permute(2，0，1
浏览 0提问于2018-01-20得票数 6
回答已采纳
1回答
(100, activation='relu', return_sequences=True))在查看PyTorch中自动编码器的实现时例1 (PyTorch)：此示例编码器
浏览 4提问于2020-12-07得票数 4
回答已采纳
1回答
我想预测一些与空间天气相关的指标(kp，Dst等)。使用RNN或LSTM。建立多对一模型是可能的，尽管它显示出较低的准确性。然而，我的目标是通过过去3天的观察来预测未来的7天。问题是，是否有可能在功能上构建具有更长输出长度(或时间步长)的RNN？而不是输入？
任何帮助都将不胜感激！请帮帮我。
浏览 13提问于2018-08-16得票数 1
回答已采纳
我是深度学习的新手，目前正在使用LSTM进行语言建模。我正在看pytorch文档，被它搞糊涂了。如果我创建一个当hidden_size =4和num_layers = 2时，我想我会有一个类似如下的架构：LSTM -> LSTM -> h3LSTM ->
浏览 9提问于2018-03-12得票数 18
回答已采纳
我正在尝试做非常简单的学习，以便我能够更好地理解PyTorch和LSTM的工作原理。为此，我试图学习一个从输入张量到输出张量(相同形状)的映射，这个映射值是值的两倍。因此，[1 2 3]作为输入应该学习[2 4 6]作为输出。5) * 2我的LS
浏览 3提问于2020-02-12得票数 4
回答已采纳
在这个模型中，在编码器部分，我们给出一个包含3个单词A，B和c的输入句子，我们得到一个上下文向量W，它被传递给解码器。为什么我们不将W传递给解码器的所有单元，而不是前一个单元的输出，例如(首先传递W，然后在下一个单元中传递X，在下一个单元中传递Y) 有人能解释一下解码器的单元状态到底是怎么回事吗？传递给解码器的编码器的单元状态发生了什么变化
浏览 25提问于2021-02-09得票数 0
回答已采纳
3回答
LSTM自动编码器
、、、、
我试图构建一个LSTM自动编码器，目的是从序列中获得一个固定大小的向量，它尽可能好地表示序列。这个自动编码器由两部分组成：
(训练示例数、序列长度
浏览 6提问于2017-06-20得票数 43
回答已采纳
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
实时音视频活动推荐
腾讯云开发者
