我目前正在尝试使用pytorch构建一个LSTM RNN。一个输入向量被表示为50个整数的数组，对应于最多50个带填充的记号序列，其中每个整数对应于我的词汇表中的一个元素和OHE向量中1的索引。我希望有一个嵌入层，它只使用一个查找表来对整数进行一次热编码--有点像tensorflow的OHE层。像这样的
浏览 11提问于2019-08-24得票数 1
回答已采纳
我试图训练一个PyTorch神经网络来预测一维序列中的下一个值。根据PyTorch文档页面，我认为我应该能够将未批处理的输入输入到L形状的RNN中，其中L是序列的长度，H_in是输入的长度。= torch.nn.RNN(1, 1, 1)
prediction_loss =torch.nn.L1Loss
浏览 6提问于2022-05-13得票数 1
我是PyTorch的新手，我想知道您是否可以向我解释一下PyTorch中的默认model.train()函数和这里的train()函数之间的一些关键区别。另一个PyTorch ()函数位于文本分类的官方train教程中，对于模型权重是否在训练结束时存储感到困惑。https://pytorch.org/tutorials/intermediate/char_rnn_cl
浏览 24提问于2019-06-26得票数 0
1回答
我已经根据变量的变化维度更新了我的问题。我知道在Tensorflow中，如果输入维度正在变化/未知，我们可以将其声明为tf.placeholder(None,3)。但是，我从来没有遇到过变量大小变化/未知的情况，似乎变量总是有固定
浏览 2提问于2017-08-14得票数 0
1回答
我正在努力理解我的pytorch模型需要什么样的维度作为输入。我的模型设置是：from torch import nn, tensor
def __init__(self, input_size, hidden_size, output_size): self.rnn_b = nn.RNN</e
浏览 1提问于2019-11-21得票数 2
最近，我开始学习python，为一个使用机器学习方法的研究项目开发一个预测模型。我使用OneHotEncoder对数据集中的所有分类变量进行编码。我希望dataframe列是编码产生的新类别，这就是我使用categories_属性的原因。，每个数组的长度取决于它包含的类别数，但不确定用列创建新类别的正确方法是什么(当有多个特性时)。1 1.0 0.0
浏览 3提问于2020-06-18得票数 0
回答已采纳
尝试将Keras中的一个简单的LSTM模型转换为PyTorch代码。Keras模型仅在200年后收敛，而PyTorch模型：
yhat = model.predict(x_input, verbose=0)这是等价的PyTorch</
浏览 0提问于2019-02-21得票数 4
回答已采纳
1回答
对于一个研究项目，我计划使用LSTM从KG实体序列中学习。然而，我很少有使用LSTM或RNN的经验。在规划过程中，出现了一些与特征工程有关的问题。我见过的大多数LSTM实现只使用一种类
浏览 0提问于2022-10-06得票数 1
回答已采纳
例如，如果我创建线性层torch.nn.Linear(5,100)，该层的权重和偏差是如何默认初始化的？
浏览 0提问于2018-01-31得票数 8
虽然这是一个典型的用例，但在通过RNN发送时，我找不到一个简单而明确的指南来说明在pytorch中计算填充小批量的损失的规范方法是什么。我认为一个规范的管道可能是： 1) pytorch RNN需要形状的填充批量张量：(max_seq_len，batch_size，emb_size) 2)所以我们给出一个嵌入层，例如这个张量： tensor批次中的序列是降序<em
浏览 18提问于2019-12-12得票数 2
回答已采纳
1回答
给定一个TensorFlow tf.while_loop，如何计算x_out相对于网络每个时间步长的所有权重的梯度？，情况是动态的。不同的运行将以不同的次数运行while循环。使用tf.gradients(x, tf.trainable_variables())调用AttributeError: 'WhileContext' object has no attribute '在循环中使用tf.gradients的唯一可能性
浏览 0提问于2018-03-29得票数 10
回答已采纳
1回答
我是Pytorch和RNN的新手。我正在学习如何使用RNN预测数字，作为视频中的教程：out_unembedded = out.view(-1, hidden_size) @ embedding.weight.transpose(0,1))import torchfrom torch.autog
浏览 0提问于2018-01-02得票数 1
1回答
下面有一个简单的rnn代码。TransposeBackward1>)我从PyTorch因此，我尝试使用以下方法手动计算输出print(hidden_state1)
浏览 6提问于2021-07-02得票数 0
回答已采纳
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。
即使在跟踪了几个帖子(、、)并尝试了解决方案之后，它似乎也不起作用。背景:我在一批大小为12的文本序列中编码了文本序列(可变长度)，并使用pad_packed_sequence功能对序列进行填充和打包。每个序列的MAX_LEN为384，序列中的每个令牌(或word)的维数为768。因此，我的
浏览 6提问于2020-05-06得票数 16
回答已采纳
在RNN序列到序列模型中，训练前需要初始化输入隐藏状态和输出隐藏状态。从PyTorch教程中，它简单地将零初始化到隐藏状态。Is初始化零-- RNN seq2seq网络中初始化隐藏状态的常用方法&
glorot初始化怎么样？对于单层普通的RNN来说，扇入和扇出不等于$(1 + 1)$，它的方差为$1美元，而$mean=0$的高斯分布则给出了$0$s的</em
浏览 0提问于2018-01-30得票数 5
3回答
“动态展开RNN”是什么意思？我在Tensorflow源代码中特别提到了这一点，但是我正在寻找一种概念上的解释，它通常扩展到RNN。在tensorflow rnn方法中，记录了以下内容：
参数sequenc
浏览 6提问于2016-08-14得票数 23
假设我试图在PyTorch中训练一个RNN语言模型。假设我迭代一批单词序列，并且每个训练批次张量具有以下形状：我的问题是，在每个序列中只使用最后一个单词作为目标标签有什么区别：y = data[:,-1]vs将目标设置为整个序列向右移动：y =
浏览 6提问于2020-06-08得票数 0
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
现在我开始研究如何通过C++推断PyTorch图。 我的第一个问题是，我如何知道推荐的cuDNN版本与LibTorch一起使用，或者我是否正在进行自己的PyTorch编译？根据我对ubuntu上的PyTorch的了解，如果你使用Python版本，你必须安装CUDA驱动程序(例如.所以nvidia-smi可以工作，目前是440版本)，但是除了驱动程序之外，实际上并不需要安装CUDA和cuDNN，因为它
浏览 45提问于2020-02-02得票数 1
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
