我的模型是： lstm_out, hidden = self.lstm(x, hidden)lstm_out = (lstm_out[:, :, :self.hidden_size] +
view_out = out.view(batch_siz
浏览 31提问于2020-03-05得票数 0
回答已采纳
2回答
LSTM层间的激活函数
、、、、
我知道LSTM单元内部同时使用sigmoid和tanh激活函数，但是当创建一个堆叠的LSTM体系结构时，通过激活函数(例如ReLU)传递它们的输出是否有意义？那么，我们是否更喜欢这样：model = LSTM(50, activation=&
浏览 0提问于2020-01-16得票数 13
回答已采纳
1回答
如何选择LSTM中致密层的维数？
、、、、
我有一项多标签文本分类的任务。我的数据集有1369个类：print(X_train.shape)print(Y_train.shape)(54629, 500)(54629, 1369)对于这个任务，我决定在下面的参数中使用LSTM NN：maxlen维度(在我<
浏览 1提问于2018-08-31得票数 3
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。为此，我有一个dataloader def __init__(self, corrupted_path, train_set=Falsenum_laye
浏览 3提问于2020-02-12得票数 4
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.LightningModul
浏览 0提问于2021-08-03得票数 0
1回答
我试图为文本分类问题实现一个BiLSTM层，并为此使用PyTorch。self.bilstm = nn.LSTM(embedding_dim, lstm_hidden_dim//2, batch_first=True, bidirectional=True)现在，在一些例子中(我在互联网上
浏览 0提问于2021-04-29得票数 0
1回答
我有一个长度相等的序列数组，每个序列包含300个数字(M=300)。...2121 # 300 numbers将所有序列拆分为训练/验证/测试集
在火车集合上训练Bi
浏览 0提问于2020-07-13得票数 2
回答已采纳
3回答
我想用实现 LSTM，以便在中实现多变量输入。
在本文中，使用了keras，输入数据的形状为(样本数、时间步数、并行特性数)。LSTMs的n_features创建为第一层，并分别为每个层(想象为多个序列流)，然后将它们的输出压平到线性层？我不是100%确定，但根据LSTM的性质，输入不能作为一维数组被平放和传递，因为每个序列“按照不同的<
浏览 1提问于2019-07-02得票数 14
回答已采纳
在pytorch LSTM、RNN或GRU模型中，有一个名为"“的参数，它控制LSTM中隐藏层的数量。我想知道，既然LSTM中有多个层，为什么参数"hidden_size“只是一个数字，而不是包含多个层中隐藏状态的数量的列表，如10、20、30。我
浏览 6提问于2019-01-07得票数 1
我开始使用pytorch，并使用一些转换来构建以下模型，使用其中一个教程作为参考： torch.nn.Linear(D_in, H)我认为我对转型(网络？)的理解存在根本性错误。可以链接在pytorch中..。在遵循@esBee的建议后，我发现以下内容运行正确。这是因为LSTM期望输入的
浏览 58提问于2018-05-28得票数 3
1回答
由于知识有限，我建立了一个LSTM网络。我想验证我的假设并更好地理解Keras。网络代码：model.add(LSTM(8, batch_input_shape=(None, 100, 4), return_sequences=True))model.add(LSTM(4, return_sequences=True))mode
浏览 0提问于2018-10-04得票数 0
回答已采纳
2回答
在训练ANN进行回归时，Keras将训练/验证损失存储在中。对于带有的最后一层中的多个输出，即均方误差或均方误差：
任何暗示都将不胜感
浏览 0提问于2018-08-30得票数 1
(举个例子)在实现noutput目标值的简单线性模型时，将其作为pytorch中的神经网络：(打电话)returnyoptimizer.add_hook(optimizer.WeightDecay(rate=0.01))
对于从所有ninput输入单元到noutput输出单
浏览 1提问于2018-04-22得票数 0
回答已采纳
2回答
LSTM预测直线
、、、
我在Keras建了一个LSTM。它读取9个时差的观测结果，并预测下一个标签。出于某种原因，我训练的模型预测的东西几乎是一条直线。在创建如此糟糕的回归结果的模型体系结构中可能会出现什么问题？3个隐藏层，每个20个单元。1输出层1单位。
模
浏览 2提问于2019-10-15得票数 3
回答已采纳
2回答
我尝试对CheXpert数据集中的图像进行分类，只对一个观测结果(Alectasis)和一个2类分类问题(1真，0假)进行分类。我对图像进行预处理，将它们调整为224x224，并将它们规范化。在运行该模型时，训练损失降低到0.043轮，验证损失上升到2.199，测试准确率达到55.56%。我试图通过以下几种方法来防止这种过度的情况：
#尝试1:我使用了一个带下拉<
浏览 2提问于2020-07-09得票数 0
1回答
我试图将模型移植到Keras。
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(
浏览 0提问于2018-01-20得票数 6
回答已采纳
1回答
我正在尝试一个简单的LSTM用例用例表单py手电筒，使用下面的模型。(与Sigmoid输出层相结合)。不幸的是，损失被困在0.6969 (也就是说，它没有学到任何东西)。
我尝试过使用final_hidden_state，output[:,0,:]来输入线性层，但到目前为止还没有骰子。其他所有东西(优化器、损耗准则、列车回路、val循环)都已经工作了，因为我只使用nn.Embedding、nn.Li
浏览 3提问于2022-09-28得票数 1
回答已采纳
我有一个lstm，我用它作为序列发生器，训练word2vec向量.以前的实现为所有不同的标签产生了概率分布。词汇中的每个单词都有一个标签。这个实现使用了Pytorch的CrossEntropyLoss。我现在想改变这一点，以便lstm输出一个向量，其维数与用于训练的向量相同。通过这种方式，我可以使用euclyd
浏览 1提问于2019-09-25得票数 0
回答已采纳
今天，我正在研制一个分类器，以检测蘑菇是否有毒，因为它的特征。这些数据在一个.csv文件中(读给熊猫DataFrame)，数据的链接可以在最后找到。这个网络由三层组成:一个简单的密集层( PyTorch用户线性层)层，300个神经元，一个密集层，100个神经元，一个<
浏览 4提问于2020-07-17得票数 2
回答已采纳
2回答
我创建了一个LSTM模型来预测8个特性的1个输出值。我的损失不断减少，我的val损失也从一开始就减少了，但是在经历了这么多的时代之后，我的损失开始增加。这是一张发生了什么的照片。📷file = r'/content/drive
浏览 0提问于2022-08-28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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
