2回答
嵌入N维序列后的LSTM
、、、
我有一个具有形状(100000, 200, 2)的2维train_seq的输入序列，即100000个训练示例，序列长度为200，以及2个特征。这些序列是文本，因此每个元素都是一个单词，词汇量为5000个单词。因此，我想在LSTM之前使用嵌入层。通过查看不带LSTM的模型摘要，我可以看到我的嵌入的输出形状是(None, 200, 2, 64) Layer (type
浏览 17提问于2019-01-10得票数 0
回答已采纳
我想要实现一个LSTM模型，它可以预测系统的动作。系统动作被描述为位向量。并将用户输入计算为字嵌入，字嵌入也是位向量.
return_sequences：布尔型是返回输出序列中的最后一个输出
浏览 0提问于2017-03-13得票数 62
回答已采纳
1回答
我正在尝试将字符级别的两个句子输入到LSTM层中进行分类。我的样本和下面的类似，并且我的标签是一个热门的编码类。label array([1., 0., 0., 0., 0.])示例： [' ', 'l'], ['1', 't'],
['2', &#x
浏览 1提问于2018-05-19得票数 0
1回答
我在时间序列数据集上解决分类任务。
也就是说，我们在嵌入维上投射出一系列线性层的标记，然后将嵌入映射到LSTM层，然后向嵌入中添加隐藏状态。x = MLP(x)
浏览 0提问于2022-06-12得票数 1
回答已采纳
📷
我有一个由时间序列和整数数据组成的数据集(IoT可穿戴数据集)；我的任务是使用该数据集进行分类。虽然当前sktime中的库接受多变量时间序列数据作为输入，但我认为它们不接受整数数据。在这种情况下，最好的做法是什么？我目前正在考虑转换整数数据的时间序列--通过重复与其他多变量输入相同的增量的整数值，然后对我转换为Timeseries的人造整数数据应用随机噪声--是否有人评论这是一种合适的方法，还是
浏览 0提问于2021-05-06得票数 0
1回答
Word2vec和Glove嵌入对语料库中的每个单词都有相同的向量表示，不考虑上下文。那条狗确实对人吠叫。
树的树皮很硬。但是使用Elmo，对于“树皮”这个词，它会有两种不同的表达方式，因为它考虑的是上下文。所以，我在尝试如何在数据集中给出一个新句子的向量的机制。比如说，我们有一个预先训练过的模型，它对不同的单词有不同的向量。当我不得不在一个新句子上使用这个模型时，Elmo会产生一个新<e
浏览 0提问于2020-06-20得票数 0
1回答
我正在为基于字的NLP尝试不同的神经网络架构。逻辑和标签必须具有相同的一维，得到逻辑形状为32,186和标签形状为4704。
我的源和目标数据集由7200个例句组成。它们是整数标记和嵌入的。添加源数
浏览 1提问于2019-10-24得票数 0
回答已采纳
1回答
Keras嵌入层引起维数问题
、、、、
我目前正在尝试在我的序列到序列自动编码器中包括一个嵌入层，它是用keras函数API构建的。, state_c = LSTM(n_hidden, return_state=True)(encoder_embedded)
#Decoderdecoder_lstm = LSTM(n_hidden, return_sequences=T
浏览 2提问于2018-12-17得票数 0
回答已采纳
1回答
用torchnlp进行文本分类
、、、、
我的目的是建立这样一个网络：
我在输入句子的维数上遇到了一个主要问题(每个单词都是向量)，但最重要的是注意层:我不知道如何声明它，因为我需要编码器输出的确切维
浏览 6提问于2019-12-06得票数 2
我想训练一个生成文本的模型，类似于->嵌入-> LSTM -> 1热编码“下一个单词”的词义序列->嵌入-> LSTM<
浏览 2提问于2017-02-15得票数 4
回答已采纳
节点嵌入步骤既长又复杂，并且不是问题核心的一部分，因此我将跳过这一部分。可以说，我使用图卷积网络来嵌入节点。 考虑我有一堆大小为NxN的B邻接矩阵A，其中B=批量大小，N=图中的节点数。此外，矩阵是根据时间序列堆叠的，其中索引I中的矩阵在索引i+1中的矩阵之前。我已经嵌入了图的节点，这导致了一个维度为B x N x E的矩阵，其中E=嵌入
浏览 25提问于2019-09-12得票数 1
2回答
我试图在Keras中构建一个文本LSTM自动编码器。我想使用嵌入层，但我不知道如何实现这一点。代码看起来是这样的。trainable=False)
encoded = LSTM(num_units)(inputs)
decoded = LSTM(???decoded)
sequence_autoencoder.compile(l
浏览 0提问于2017-06-23得票数 6
回答已采纳
1回答
我面临一些疑问，试图在Tensorflow下实现多个输入序列(多元)的LSTM。])
这对于一个已知长度的一维输入来说是可以的。我会给你一个简单的例子:你每秒钟测量一次雨率，所以你有一个大小N的时间序列。你想提前30分钟预测降雨量，所以每隔30分钟就把数据分成几段。因此，您将向LSTM提供30 (分钟)*60(每秒一次)的输入，输出将是上次给定输入(一次测量)后3
浏览 1提问于2017-10-13得票数 4
回答已采纳
1回答
我试图用Word2Vec在暹罗LSTM网络()中的语句嵌入替换BERT的单词嵌入。然而，我的BERT嵌入是(1,768)形状的矩阵，而不是可以输入角层的张量。我想知道是否有可能改变它。我找到了一种用通用语句嵌入()替换单词嵌入的方法--我尝试修改LSTM的代码，以使用来自以下服务()的BERT语句嵌入。# Mo
浏览 1提问于2019-07-12得票数 0
1回答
在Keras中实现LSTM
、、、、
我非常感谢您在Keras中创建LSTM模型的帮助。我的输入是一个二维numpy数组，其中的行是长度相等的数值时间序列。我编写了以下几行代码来创建一个LSTM模型，该模型在没有嵌入层的原始数据上运行： lstm_clf = Sequential()
lstm_clf.add(LSTM(100, input_shape=(', optimizer='
浏览 18提问于2019-02-10得票数 1
1回答
我一直致力于CNN和RNN深度学习模式的比较，以进行情感分析。
我按照这个指南创建了CNN：，我在CNN中得到了90+的精确性。然而，当我试图重新创建一个LSTM模型时，精度似乎徘徊在0.5+左右，而且似乎没有随着时间的推移而提高。我想知道我的代码有什么问题，我唯一做的就是用model.add部分中的LSTM替换现有的CNN模型。我试图将损失从“二进制”更改为“绝对”，以及不同的激活函数。它仍然不能解决这个问题。loss')
浏览 3提问于2021-10-04得票数 0
回答已采纳
1回答
我熟悉LSTM单元(内存单元、忘记门、输出门等)，但是我很难理解这是如何链接到Keras中的LSTM实现的。在Keras中，X的输入数据结构是：(nb_samples、timesteps、input_dim)。( 2)或者LSTM单元的输出是在这10组时间步骤之间传递的
浏览 0提问于2019-02-05得票数 5
我使用Keras (Tensorflow后端)来拟合时间序列模型。这是我的模型：model.add(LSTM(LSTM_nums, input_shape=(timestep,data_dim)))model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)
我想知道是否存在用给
浏览 0提问于2017-11-12得票数 0
1回答
我会解释我的问题：
将这种新的表示形式作为网络的输入，意味着将每个矩阵平坦为大小为800x600 (460.000值)的向量。最后，数据集应该包含50.000个大小为460.000的向量。
浏览 0提问于2019-01-15得票数 0
回答已采纳
1回答
LSTM层前嵌入层
、、、、
我在玩一个聚类和搅动预测框架，他们在Snap .的生产中部署了这个框架。在他们的研究论文纸_链接中，他们使用了14天的用户数据，并将其作为一个时间序列来处理。他们做一些转换，他们有一个三维数据集，这个数据集是12x14xm用户；每个用户m每天都有12个功能，总共14天。这个集合被输入到一个LSTM中，以便每个LSTM时间步长都接收一个12维向量。希望我说的对，所以这是可以理解的。他们能够通过在输入层和LSTM
浏览 0提问于2020-03-03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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
