1回答
我在Keras中有一个预先确定的时间序列，也想从给定的日期得到一个预测。就像这样： from keras import load_model model = load_model(filename)
浏览 15提问于2019-10-06得票数 1
我试图为Keras中的时间序列预测做一个LSTM。特别是，一旦模型被训练，它就应该预测看不见的值。时间序列的可视化如下所示。
该模型基于蓝色时间序列进行训练，并将预测结果与橙色时间序列进行比较。对于预测，我希望获取<em
浏览 0提问于2018-08-26得票数 5
2回答
时间序列数据的趋势
、、、
我使用带有LSTM层的Keras序列模型和时间序列数据来预测未来的值。为此，我在某个时间点将我的数据划分为训练数据和验证数据。时间序列数据具有积极的趋势，因此我的训练数据中的平均值低于我的验证数据中的平均值，因为我使用较新的数据作为验证。
浏览 30提问于2021-04-21得票数 0
回答已采纳
我正在尝试解决一个时间序列预测问题。我尝试了ANN和LSTM，尝试了很多不同的参数，但我只能得到比持久性预测好8%的结果。所以我想知道:既然你可以在keras中保存模型；是否有任何预先训练的模型(LSTM、RNN或任何其他ANN)用于时间序列预测？如果是这样的话，我如何获取它们？在凯拉斯有吗？我的意思是，如果有一个包含预
浏览 1提问于2017-10-12得票数 15
我正在学习如何在Keras上训练RNN模型，我希望训练一个模型来预测最后N步的移动平均值将非常容易。inputs = tf.keras
浏览 0提问于2021-01-24得票数 0
1回答
我将Sports_1M caffe模型转换为Keras，并将其作为预训练模型使用到新的Keras模型中，我还加载了预训练的权重。
我删除了预先训练过的模型的顶层，最后与New连接起来。我不想再次训练加载的预训练模型(只是想使用预</
浏览 0提问于2020-07-19得票数 2
我正在使用转移学习和keras.applications.InceptionV3。我成功地训练了这个模型。然而，当我想要生成“激活最大化”映像(例如，最大限度地激活自定义类的输入映像，参考 )时，我很难使用预先训练过的模型，因为我确实能够在“适合”模式下使用它，并且禁用所有的辍学等等。我所做的是将tf.keras.Sequential中的预训练模型组合起来，对第一
浏览 2提问于2019-11-22得票数 0
3回答
我想预测某些每周可预测的值(低信噪比)。我需要预测一年中每周形成的整个时间序列(52个值-图1)。
我的第一个想法是使用TensorFlow上的Keras开发一个多到多的LSTM模型(图2)。我用52个输入层(前一年给定的时间序列)和52个预测输出层(明年的时间<em
浏览 5提问于2017-12-01得票数 23
回答已采纳
我一直在尝试用keras创建一个keras，我很好地理解了训练的部分，但我不知道预测的部分。我们得到了输出。但问题是，因为我们使用的是有状态模型，而我们只使用一个值作为输入，所以模型确定下一个值的唯一方法是从上一个时间序列的<
浏览 2提问于2021-02-02得票数 3
回答已采纳
1回答
我不能理解如何使用已经训练好的神经网络模型。我在python上编程，我使用的是库keras。我分析时间序列。训练神经网络，保存模型。正如keras文档中所述，您需要调用model_name.predict ()方法。好的。我这样做: model.predict ( dataset )，其中dataset是过去90天的值。我需要提前预测，比如说，10天。
但是<
浏览 18提问于2018-01-24得票数 0
2回答
我正在使用keras和tensorflow进行时间序列预测。我需要用未来的数据重新训练模型。我的问题是，在keras中这是可能的吗?我们如何做到这一点？
浏览 5提问于2018-08-15得票数 7
回答已采纳
1回答
然后，我基于tf-hub或keras.applications (我使用相同的卷积核心)的预训练模型构建模型，在model.save()或tf.saved_model.save之后，结果模型文件的大小约为经过训练后，它的模型大小增加到30Mb！
如果我在训练后保存模型，再次重新创建模型，并从训练</em
浏览 39提问于2019-10-21得票数 0
1回答
在Keras中，如果我想在我的LSTM模型上预测多个实例，这些实例基于来自训练数据的独立数据和新数据，那么输入数组是否需要包括训练中使用的时间步长？如果是这样的话，我能期望model.predict的输入数组的形状与训练数据相同吗？(即要预测的样本数量，它们的时间步长，它们的
浏览 44提问于2021-04-12得票数 3
1回答
培训数据:预测还是实际？
、、、
我正在研究一个时间序列预测问题。我正在使用keras模型进行机器学习。( 1)训练时应否使用预报天气变数或实际天气变数？(考虑到在模型推断
浏览 0提问于2019-04-03得票数 2
我对ML和数据科学有一段时间了，但现在我开始探索时间序列预测，我有一个(让我们说)一个简单的问题:时间序列预测模型的特性/输入是什么？对此有什么解释吗？例如，如果我有一个简单
浏览 0提问于2021-07-22得票数 0
2回答
我的理解是，对于某些类型的seq2seq模型，您需要训练编码器和解码器，然后将编码器放在一边，只使用解码器进行预测。例如，优步的seq2seq时间序列预测模型：现在，我正试图在Keras中实现这个to版本。这是普通LSTM的Keras代码：model = Sequential()
model.add(LSTM(50, acti
浏览 0提问于2019-07-27得票数 4
假设在tensorflow中训练的模型使用两种方法来转换可用于tensorflow的模型: 1)使用tf.saved_model.simple_save方法将模型保存在tensorflow中，然后使用tf.loadFrozenModel将模型加载到tensorflow中并使用model.predict预测结果2)使用keras(序列)将模型保存在tensorflow中，然后使用tf.loadMode
浏览 22提问于2019-02-17得票数 2
回答已采纳
我用keras来预测LSTM的时间序列，我意识到我们可以用没有我们训练的时间步长相同的数据来预测。例如：import keras.optimizersfrom keras.layersimport Dense,Activation,Dropout,T
浏览 5提问于2017-04-11得票数 0
3回答
部署LSTM模型
、、
我已经训练和验证了我的LSTM，我想部署它。因此，我知道我们可以保存和加载Keras的Sequential对象(您可以猜到，我正在使用Keras )。因此，我使用这些函数实现了一个代码。但是，我想知道我是否必须用所有可用的数据(训练+测试)来训练我的模型，还是像我在学习期间所做的那样对训练集进行训练。许多教程讨论如何训练模型，但
浏览 0提问于2019-08-06得票数 5
回答已采纳
3回答
角点载荷模型
、、
当在keras中将模型(以前处理过)加载到LSTM网络时，它是否包括网络中的培训数据(显式)？
如果不是，(load model)如何帮助预测时间序列中的模式。
浏览 3提问于2018-05-29得票数 0
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
