在将嵌入层的输出传递给LSTM层时，我遇到了一个我无法识别的ValueError。我的模型是： def lstm_mod(self, n_cells,batch_size): x= tf.keras.layers.LSTM(n_cells)(embedding)
out = tf.
浏览 17提问于2021-04-23得票数 1
我的模型是Embedding + LSTM + Conv1d + Maxpooling + softmax。
浏览 1提问于2017-04-13得票数 13
))model.add(Dense())
假设我也想在我的模型中使用“正规”(非深度学习)特性，我应该如何最好地将两者结合在一个密集的层中呢
浏览 0提问于2019-02-22得票数 0
回答已采纳
model.add(Dense(3)) #default linear activation 并训练它 在我想使用CNN的权重之后，在CNN-LSTM模型中使用它们。(up to Flatten()) and use TimeDistributed on themmodel.add(LSTM(1024, activation='relu'))
model.add(Dense
浏览 18提问于2020-04-10得票数 0
回答已采纳
我想在keras中使用tensorflow定义LSTM层。cell = tf.nn.rnn_cell.LSTMCell(n_neurons)lstm_outputsstates = tf.nn.dynamic_rnn(multi_cell, inputs, dtype=tf.float32)
outputs = TimeDistributed(Dense(1))(lstm_outpu
浏览 0提问于2018-03-27得票数 0
回答已采纳
1回答
LSTM Keras顶部的注意
、、、、
我正在使用Keras训练一个LSTM模型，并希望在此基础上增加注意。我对Keras和注意力都很陌生。在链接中，我学会了如何在LSTM层上添加注意，并建立了这样的模型lstm_model=Sequential() #(LSTM(300)))lstm_mo
浏览 3提问于2018-05-28得票数 2
我按照一个教程制作了一个Keras LSTM模型，它有80个时间步，每个时间步看80个单词，一次预测一个单词。现在我正在使用functional API创建一个不同的LSTM模型，我不确定我的另一个模型在没有时间分布层的情况下是如何工作的。我将在下面列出第一个LSTM模型。在没有时间分布层的情况下，下面的层如何在同一批处理中的不同时间点进行80个单独的预测？model = keras.Sequential()
mod
浏览 1提问于2019-05-20得票数 1
我对Keras很陌生，在阅读了几篇教程之后，我开始构建一个模型，并发现了这两种实现风格。然而，我得到一个错误在第一个和第二个工作良好。有人能解释一下两者的区别吗？第一种方法：encoder = LSTM(100,activation ='relu'))ValueError: Layer lstm_59 was called with
浏览 2提问于2019-03-23得票数 0
回答已采纳
1回答
我一直在使用Keras框架的递归神经网络实现，在构建模型时我遇到了一些问题。Tensorflow 1.14.0
if MODEL == 'RNN':if MODEL == 'LSTMoptimizer='r
浏览 3提问于2019-11-25得票数 0
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.])的嵌入层将字符映射到向量。然而，嵌入层只接受一维序列。如何调整网络以获取多维序列？目前，我有以下代码，适用于单维样本。51是我的lstm窗口大小，74是我的词汇表大小。))
浏览 1提问于2018-05-19得票数 0
1回答
在seq2seq模型中添加更多层
、、、、
在fchollet给出的示例代码中，如何向编码器和解码器添加更多的LSTM层？我在形状上有点麻烦，总体上有点困惑。谢谢。
浏览 1提问于2018-04-13得票数 3
回答已采纳
1回答
几个小时以来，我一直试图在Keras中实现LSTM (使用具有嵌入层、两个LSTM层和一个密集层的顺序模型)，但最终得到了不同的错误消息。据我所知，问题是嵌入层的输出是二维的，而不是三维的，因为我在添加第二个LSTM层时得到了这个值错误(ValueError: Input 0 is incompatible with layer lstm_2: expected ndim=3, f
浏览 0提问于2018-06-16得票数 0
回答已采纳
我试图用Keras来实现一个视觉讲故事模型，它有一个层次RNN模型，基本上是一个神经图像描述器的样式，但是在解码器RNN上有一个双向RNN的一系列照片上。))(image_feature)
initial_dropout = Dropout(.5)(initial_masking
浏览 0提问于2018-03-24得票数 6
=[original_embedding_matrix], mask_zero=True)(encoder_input) decoder = tf.keras.layers.LSTMlstm[0][1]
浏览 6提问于2020-10-07得票数 4
回答已采纳
我在看这段代码：model.add(LSTM(input_shape = (1,), input_dim=1, output_dim=6, return_sequences=True))model.add(Dense(1))第一层怎么能有d
浏览 1提问于2018-03-02得票数 2
回答已采纳
我首先使用从头开始使用模型训练的nn.Embedding层，但我决定使用预先训练的word2vec嵌入来提高准确性。我的模型体系结构遵循一个简单的BiLSTM体系结构，其中第一层是嵌入层，然后是BiLSTM层，最后是两个前馈层。import torchimport torch.optim as optim
import torch.nn.functional代码运行良好，但是使
浏览 12提问于2021-10-31得票数 1
1回答
我想用keras函数api在嵌入层中添加一个tanh层：output=keras.activations.tanh(x)
model.compile(optimizer='rmsprop',loss='categorical_crosse
浏览 16提问于2018-12-17得票数 0
回答已采纳
我想在Keras中合并一个前向LSTM和一个后向LSTM。后向LSTM的输入阵列不同于前向LSTM的输入阵列。因此，我不能使用keras.layers.Bidirectional。我想在LSTM之后再次将其反向，并将其与正向合并。backward = Sequential()
forward.add(LSTM<
浏览 5提问于2017-07-01得票数 1
我通过对keras.Model进行子类化实现了一个包含LSTM层的模型。以下是我使用的代码。_lstm = keras.layers.LSTM(cell_size, return_sequences=True, self_lstm(out)
return self.- If using the functional API, specify
浏览 18提问于2019-09-10得票数 3
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
