1回答
我有一个任务，训练数据来自几个长序列。我想用随机选择的序列进行训练，但不想改变这些序列中的顺序(因为可能存在长期依赖关系)。我认为这意味着选择一个序列号，从该序列中恢复以前的状态，训练，保存该序列中的新状态，清洗并重复。
当你训练一个用keras的LSTM创建的层时，有没有办
浏览 3提问于2017-07-27得票数 0
回答已采纳
)y = np.array([[[0.2],[0.3],[0.4]],[[0.3],[0.4],[0.5]]])以下是我的Keras代码model.add(LSTM(50, activation='relu', batch_input_shape=(2, 3, 2)))
# model.add(LSTM(50, activation='relu', batch_
浏览 0提问于2019-05-12得票数 1
1回答
我试图在Keras模型中使用一个具有状态的共享LSTM层，但是内部状态似乎被每一次并行使用所修改。这就提出了两个问题：
下面的代码举例说明了共享
浏览 3提问于2019-12-11得票数 1
1回答
我是一个新的keras用户，我想很容易地理解如何构建一个lstm模型。实际上，我做了一个lstm输入，例如(批处理大小、时间步长、特征)，其中批处理大小等于1，因为我有一个用户，而时间步骤等于序列和特征的数量等于序列长度。在定义LSTM时，是否应该将有状态选项设为True？
我已经为一个用户获得了很好的性能。我想对所有的用户使用同样的方法。但我不知道如何为所有用户构建输入。例如，我想学习旧的
浏览 3提问于2017-06-10得票数 0
回答已采纳
我正在阅读关于深度学习中的LSTM的文章。来自Andrew Ng教授的LSTM课程，每个LSTM单元有三个输入。输入是来自前一个单元的单元状态，即"c“上标(t-1)，以及LSTM单元"a”超级脚本(t-1)和输入x超级脚本(t)的输出。LSTM单元的输出是当前单元状态，即"c“上标(t)和LSTM单元"a
浏览 11提问于2019-07-15得票数 0
回答已采纳
1回答
所以我知道什么是LSTM单位。但是我很难理解Keras框架中的实现/功能。model.add(LSTM(5, ...))这是否意味着，我一个LSTM单元，它被展开成五个时间步骤？
我认为第二个答案是正确的，因为我看到的很多模型都没有什么意义。当我有一个大小为5的LSTM层作为第一个隐藏层时，这是否意味着我的输入应该是一个
浏览 0提问于2019-11-18得票数 0
1回答
对于LSTM，我们可以检索最后的输出和最后的单元格状态，如下所示其中state_h是最后的输出序列；输出-1= STATE _h，state_c是，是LSTM的最后一个单元格状态。但是，对于GRU，它没有这样
浏览 0提问于2019-05-02得票数 2
在rnn示例中，我找到了以下代码： model = tf.keras.Sequential([ batch_input_shape=[batch_size, None]),
tf.keras.layers.LSTM<
浏览 0提问于2019-03-22得票数 8
我正在尝试实现一个注意力机制，其中我需要单元状态的完整序列(就像隐藏状态的完整序列一样)。但是，Keras LSTM仅返回最后一个单元格状态： output, state_h, state_c = layers.LSTM(units=45, return_state=True, return_sequences=True) state_c具有shape (batch size, 1, 45)，其中输出(即全序
浏览 14提问于2020-09-22得票数 2
对于一个类项目，我们必须获取一个2D数据集，并使用LSTM神经网络进行预测。我们把它比作一个简单的DNN。我的x_train.shape是(2340, 590)，y是(2340,)。rnn_model = keras.Sequential([
keras.laye
浏览 0提问于2019-07-09得票数 4
我有以下的层序。在混合中添加额外的LSTM会产生以下错误，我无法真正理解。tf.keras.layers.LSTM(64), tf.keras.layers.Dropout(0.25), tf.keras.layers.LSTM(8),
浏览 5提问于2019-10-26得票数 1
回答已采纳
1回答
我在Keras中的LSTM实现有一些问题。
遵循本教程：，我创建了子序列(在我的例子中，有1452018个子序列，window_siz
浏览 2提问于2019-01-02得票数 4
回答已采纳
我试图理解这个模型描述之间的区别，如下所示：from keras.models import Modelinputs = Input(shape=(timesteps, input_dim))decoded = LSTM(inp
浏览 1提问于2018-07-24得票数 3
回答已采纳
1回答
我已经通过协同工具将带有LSTM的Caffe模型转换为CoreML。现在我正试着执行它。但是，我找不到一种方法来处理整个序列 1, # batch因为我无法找到一种只设置隐藏状态(LSTM_1_c_in)和初始历史(LSTM_1_h_in)和的缩写的方法，在处理下一项序列时使用以前<e
浏览 5提问于2017-10-03得票数 0
回答已采纳
1回答
我对Keras很陌生，我想知道如何用(中断的)不同长度的时间序列来训练LTSM。例如，考虑从第1天到第10天的连续序列，从第15天到第20天的连续序列，简单地将它们连接到单个系列可能会产生错误的结果。我基本上看到了两种选择，可以让它们形成(batch_size, timesteps, output_features)
将较短的序列扩展为某些默认值(0)，即对于
浏览 0提问于2018-06-07得票数 3
回答已采纳
1回答
不填充Keras中的可变序列长度
、、、、
关于Keras中LSTM的可变序列长度，我有一个问题。我正在将大小为200的批处理和可变长度序列(= x)和序列中的每个对象(=> 200、x、100)的100个特性传递到LSTM中：
LSTM(100, return_sequences=True, stateful对于每个LSTM单元，必须学习一个状态和三个矩阵(对于单元的输入、
浏览 3提问于2017-07-02得票数 10
回答已采纳
contains数据集包含的数据量很小.例如，FD001子集只有100个运行到失败系列。当我对它进行预处理以得到固定长度的时间序列时，我可以得到大约20000帧序列。3.问题我在这里提供更多关于我的网络和结
浏览 0提问于2020-08-19得票数 2
回答已采纳
1回答
我正在尝试使用LSTM和密集神经网络在Keras中构建序列到序列模型。编码器对输入进行编码，然后将编码状态和输入连接并馈送到解码器，该解码器是lstm +密集神经网络，其及时输出分类标签。下面是我的代码 from keras.utils import to_categorical
from keras.layers import Embedding, Bidirectional, GRU, Dense, TimeDistributed
浏览 18提问于2019-02-07得票数 1
1回答
我已经使用Seq2Seq模型构建了一个基本的聊天机器人。当我在笔记本中按顺序运行代码时，机器人运行得很好--即构建模型-->训练模型-->测试模型。这是我到目前为止所得到的： 保存模型 saver = tf.train.Saver() sess.run(tf.global_variables_initializer当我按顺序运行时，下面的代码完成了获取输入问题、对其进行标记化以及对问题进行响应的工作。/初始化的。我为这个问题的</e
浏览 21提问于2019-04-27得票数 0
1回答
我对tensorflow和keras相当陌生，我有一个问题。我想使用do时间序列预测使用LSTM层，并作了一些修改。我从tensorflow教程中给出的示例开始 model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LSTM(neu
浏览 3提问于2020-03-12得票数 1
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
