1回答
我想知道如何训练(自然的) LSTM模型，在这种模型中，我只使用所有数据点在一个循环中一个接一个地提供单个时间步长，而不仅仅是具有固定时间长度的历史数据点的样本。而且，可能的区别是什么，为什么使用固定长度是标准，而逐步使用所有点是更直观的方式？ 除了我的理论问题，有没有一个很好的例子，使用单个时间步长的循环，而不是将整个窗口提供给LSTM？
浏览 23提问于2021-05-10得票数 1
1回答
我正在用Keras训练seq到seq自动编码器，我的输入是(num_examples, time_step, num_features)。问题是，对于所有示例，num_features并不是相同的，而且，我将在将来获得更多的num_feature大小未知的示例。到目前为止我的代码是： inputs = Input(shape=data.shape[1:])
encoded1 = LSTM</em
浏览 0提问于2018-06-25得票数 1
回答已采纳
2回答
LSTM如何处理变长序列
、、、、
encoded_text = layers.LSTM(32)(embedded_text)
loss='categorical_crossentropy',如您所见，这个模型的输入没有原始数据的形状信息，那么在嵌入层之后，
浏览 1提问于2018-04-19得票数 10
回答已采纳
2回答
我正在尝试开发一个自动编码器的声音，有一个在0.05秒和30秒之间的可变长度。我想知道是否有可能创建一个简单的自动编码器，考虑到这个可变长度作为输入，或者我应该做一些输入之前的预处理。
浏览 2提问于2021-04-18得票数 1
1回答
我正在尝试学习使用Tensorflow进行情绪分析的LSTM模型，我已经通过了。模型的后，尝试修改上面的LSTM模型。有些人是如何通过许多碰撞和运行的痕迹，我能够得到下面运行的代码(sentiment_demo_lstm.py)：from tensorflow.contrib这里我把隐藏层的数目取为128个，是否需要与输入数(即len(train_x)= 9596 )
浏览 0提问于2017-06-06得票数 15
回答已采纳
1回答
互联网上有各种各样的来源声称，伯特的固定输入大小为512个令牌(例如这、这、这、这 .)。在我看来，当NLP从回归模型转变时，我一直认为(RNN/LSTM Seq2Seq，Bahdanau .)对于转换器，我们将可变长度的输入转换为固定长度的输入，这种输入需要为较短的序列填充，并且不能扩展到超过然而，想想看，变压器中的
浏览 0提问于2023-03-31得票数 3
回答已采纳
输出： batch_size * seq_length * embedding_dimension
我在这里没有任何问题，我只想清楚地说明输入和输出的预期形状。LSTM层的输入，我需要转置轴1和2。当len(sentence)和self.batch大小相同时会发生什么情况？of LSTM，那么我可以将它作为nn.Linear的输入。但是，如果我想使用输出(它也包含所有中间隐藏状态)
浏览 1提问于2018-03-24得票数 40
回答已采纳
我对ML不太了解，但我似乎能想出如何训练这样的东西。如果你们能列举一些可行的方法，谢谢。
浏览 0提问于2020-04-29得票数 1
回答已采纳
我想用下面的数据集运行简单的MLP分类器(Scikit learn)。
我面临的问题是如何用可变长度的数据训练简单的MLP，训练集和测试集分别包含75和
浏览 0提问于2018-05-07得票数 1
2回答
在我读到的许多关于卷积神经网络(CNN)的研究论文中，我看到人们从图像中随机裁剪一个正方形区域(例如224x224)，然后随机水平翻转它。为什么要进行随机裁剪和翻转？另外，为什么人们总是裁剪一个正方形的区域。Can不能在矩形区域上工作吗？
浏览 0提问于2015-09-29得票数 17
回答已采纳
0回答
因为我的输入是可变长度的，所以我需要将它们都填充到相同的大小，以便将它们提供给双向LSTM。 input [3,2,1,2] postpad [3,2,1,2,0,0,0]
哪种变种有助于更好的梯度流？
浏览 1提问于2018-07-10得票数 2
📷使用填充和掩蔽实际上使用不同的输入长度，但使用批处理大小为1。我不知道如何从这里开始，因为我找不到填补和掩盖图像序列的任何资源。粗糙的张量令人困惑，我找不到图像序列的任何例子。当尝试使用批处理大小为1时，tensor
浏览 0提问于2021-02-17得票数 1
回答已采纳
我想训练一个具有可变长度输入的LSTM模型。具体来说，我想使用尽可能少的填充，同时仍然使用小型批次。
据我所知，每一批输入都需要一个固定的时间步骤，这就需要填充。但是不同的批次对于输入可能有不同的时间步骤，因此在每批输入中，只需将输入填充到同一批中最长的输入序列的长度。这就是我想要实现的。我需
浏览 0提问于2020-11-26得票数 4
回答已采纳
1回答
给LSTM输入可变长度
、、、、
我的输入数据由列表组成。两个列表对于每个示例都具有动态长度，如下所示。尝试用给定的输入X训练Y模型，并对D3进行预测。else: model.add(Dropoutbinary_cro
浏览 0提问于2018-11-04得票数 2
4回答
为什么CNN必须有固定的输入大小？但是为什么呢？我无法理解完全连接层的存在意味着什么，以及为什么我们被迫有一个固定的输入大小。
浏览 0提问于2019-11-30得票数 9
回答已采纳
1回答
我是Keras的新手，在Keras documentation中浏览了LSTM及其实现细节。这很容易，但突然间，我通过的帖子和评论。它使我对实际的LSTM体系结构感到困惑：model = Sequential()model.add(的时间步骤，每个步骤都被馈送到各自的LSTM cell；64表示no。每个时间步骤<e
浏览 2提问于2018-12-29得票数 2
回答已采纳
1回答
我有一个可变大小(输入)的图形对象集合，每个对象都与另一个可变大小的图(输出)配对。任务是，给定一个输入图，生成最有可能的输出图。我一直在研究“结构化输出”技术，如SSVM，但据我所知，它们都是针对固定大小的输出(或者至少是与输入大小相匹配的大小，即序列标记)。是否有任何工具可以将输入
浏览 0提问于2018-01-25得票数 2
回答已采纳
1回答
我有一个具有属性的对象集合，这些属性是我测量的。对于每个对象，我得到一个描述该对象的实数向量。向量总是不完整的:通常在完全向量的开头或结尾缺少数字，有时中间缺少信息。因此，每个对象都会产生一个长度不同的向量。我也测量，比如说，每个物体的质量，现在我想把我测量到的物体的向量和质量联系起来。那么大概有一个更好的方法来操纵这些可变长度的向量，以便得到一个更好的<
浏览 2提问于2016-05-23得票数 4
1回答
我正在使用可变长度视频的功能来训练一层LSTM。视频大小从10帧变化到35帧。我使用批处理大小为1。我有以下代码：for step, (video_features, label) in enumerate(data_loaderrepresents zero initial hidden state return out
浏览 1提问于2018-04-14得票数 5
回答已采纳
2回答
我目前正在尝试回归网络的目的是提取MFCC特征。网络的输入是采样和帧化的音频文件，我似乎有一些问题做，或者这样做，我得到一个一致的输出-意味着一致的帧大小，因为它不会作为一个神经网络的输入。我目前正在对每个音频文件进行采样和帧化： raw_sounds = []
data_outputlib
浏览 0提问于2016-11-06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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
